sklearn之线性模型
来源:互联网 发布:windows搭建ss教程 编辑:程序博客网 时间:2024/05/16 10:33
在skearn中,可以使用sklearn.linear_model来创建线性模型
然后用fit函数去训练
然后用predict去预测
还可以用score函数去预测同时计算预测的准确度
代码
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn import linear_model#获取数据 X,Y,并画图X, Y = datasets.make_regression(n_samples=100, n_features=1, n_targets=1, noise=1)plt.scatter(X, Y)plt.show()#区分训练集和测试集X_train = X[:-20]X_test = X[-20:]Y_train = Y[:-20]Y_test = Y[-20:]#选择模型lm = linear_model.LinearRegression()#训练,获得模型lm.fit(X_train, Y_train)#查看模型的参数,也就是系数print('模型参数:', lm.coef_)#训练集和测试集的预测值train_pred = lm.predict(X_train)test_pred = lm.predict(X_test)#输出预测的误差print("训练集的预测均方误差:%.2f" % np.mean((train_pred-Y_train)**2))print("测试集的预测均方误差:%.2f" % np.mean((test_pred-Y_test)**2))print("预测score:%.2f" % lm.score(X_test, Y_test))
实验结果
阅读全文
0 0
- sklearn之线性模型
- sklearn系列之----线性回归
- sklearn系列之----线性回归
- sklearn系列之----线性回归
- Python机器学习库SKLearn:监督学习之广义线性模型
- 机器学习之线性回归 (Python SKLearn)
- sklearn 源码解析 基本线性模型 base.py
- sklearn中文文档——1.1. 普通线性模型
- sklearn之模型选择与评估
- Python机器学习Sklearn入门之线性回归
- sklearn一元线性回归
- sklearn--线性回归
- sklearn中的线性回归
- (sklearn)线性判别分析LinearDiscriminantAnalysis
- 机器学习之线性模型
- 机器学习之线性模型
- sklearn 源码解析 基本线性模型 岭回归 ridge.py(1)
- sklearn 源码解析 基本线性模型 岭回归 ridge.py(2)
- dom解析XML
- Hive学习 第一课
- 2015这一年,我都干嘛了
- gcc命令
- 解决faster-rcnn中训练时assert(boxes[:,2]>=boxes[:,0]).all()的问题
- sklearn之线性模型
- [设计模式]
- CSS选择器
- java 编程思想课后题(第五章)
- this.setState is not a function
- 读书笔记《Effective C++》条款25:考虑写出一个不抛异常的swap函数
- JS调用浏览器自带下载功能下载图片
- 《机器学习》(周志华)学习笔记(一)
- 解决华为系列手机Log显示不全