sklearn-linear_regression
来源:互联网 发布:酷听说软件问题 编辑:程序博客网 时间:2024/06/05 03:43
import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasets,linear_model,discriminant_analysis,cross_validationdef load_data(): diabetes = datasets.load_diabetes() '''糖尿病数据集: 数据集有442个样本 每个样本有10个特征 每个特征都是浮点数,数据都在-0.2--0.2之间 样本的目标在整数25--346之间''' return cross_validation.train_test_split(diabetes.data,diabetes.target,test_size = 0.25,random_state = 0) #返回值:一个元组,元组依次是:训练样本集、测试样本集、训练样本标签、测试样本标签'''Linear_Regressionshi sklearn提供的线性回归模型,它的原型为:class sklearn.LinearRegression(fit_intercept = True,normalize = False,copy_X = True,n_jobs = 1)参数: fit_intercept:布尔值,指定是否需要计算偏置b值,如果为False,那么就不计算b值 normalize:一个布尔值,如果为True,那么训练样本会在回归之前被归一化 copy_X:一个布尔值,如果为True,则会复制x,x是训练样本属性 n_jobs:一个正数,任务并行时指定的cpu数量,如果为-1则使用所有可用的cpu属性: coef_:权重向量 intercept_:b值方法: fit(X,y[,sample_weight]):训练模型 predict(X):用模型进行预测,返回预测值 score(X,y[,sample_weight]):返回预测性能得分'''def test_LinearRegression(*data): X_train,X_test,y_train,y_test = data regr = linear_model.LinearRegression() regr.fit(X_train,y_train) print('coefficients:%s.intercept %.2f' % (regr.coef,regr.intercept_)) print('Residual sum of squares: %.2f' % np.mean((regr.predict(X_test) - y_test) ** 2)) print('Score: %.2f' % regr.score(X_test,y_test))
阅读全文
0 0
- sklearn-linear_regression
- linear_regression
- Linear_regression
- tensorflow linear_regression 实例解析
- Sklearn
- sklearn
- sklearn
- Sklearn
- TensorFlow简单实例(一):linear_regression
- Linear_regression与 Logistic_regression简单比较与python实现
- 线性回归(linear_regression),多项式回归(polynomial regression)(Tensorflow实现)
- 【sklearn】svm
- sklearn BaseEstimator
- sklearn preprocessing
- sklearn pipline
- Sklearn Reading1
- Sklearn Reading2
- sklearn PCA
- common-pool jar 包的简单使用,池化资源对象
- Scala练习-希尔排序
- shell脚本编程基础
- CentOS软件的安装,更新与卸载命令
- 欧拉筛法与积性函数
- sklearn-linear_regression
- Python 嵌套函数
- 在eclipse中使用maven插件生成web工程无法编译通过的问题
- 神经网络训练细节之batch normalization
- 计算机基础知识:什么是位、字节、字、KB、MB
- iOS 真机调试、打包测试、发布程序常见问题
- 面试题目
- C# 多线程学习(一)多线程的概念
- POJ 2653 Pick-up sticks(判断线段相交)