sklearn.linear_model.LinearRegression

来源：互联网发布：星空卫视直播软件下载编辑：程序博客网时间：2024/05/29 17:51

最小二乘法线性回归：sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False,copy_X=True, n_jobs=1)

主要参数说明：

fit_intercept：布尔型，默认为True，若参数值为True时，代表训练模型需要加一个截距项；若参数为False时，代表模型无需加截距项。

normalize：布尔型，默认为False，若fit_intercept参数设置False时，normalize参数无需设置；若normalize设置为True时，则输入的样本数据将(X-X均值)/||X||；若设置normalize=False时，在训练模型前，可以使用sklearn.preprocessing.StandardScaler进行标准化处理。

属性：

coef_：回归系数(斜率)

intercept_：截距项

主要方法：

①fit(X, y, sample_weight=None)

②predict(X)

③score(X, y, sample_weight=None)，其结果等于1-(((y_true - y_pred) **2).sum() / ((y_true - y_true.mean()) ** 2).sum())

利用sklearn自带的糖尿病数据集，建立最简单的一元回归模型

In [1]: import numpy as np   ...: from sklearn import datasets , linear_model   ...: from sklearn.metrics import mean_squared_error , r2_score   ...: from sklearn.model_selection import train_test_split   ...: #加载糖尿病数据集   ...: diabetes = datasets.load_diabetes()   ...: X = diabetes.data[:,np.newaxis ,2] #diabetes.data[:,2].reshape(diabetes   ...: .data[:,2].size,1)   ...: y = diabetes.target   ...: X_train , X_test , y_train ,y_test = train_test_split(X,y,test_size=0.2   ...: ,random_state=42)   ...: LR = linear_model.LinearRegression()   ...: LR.fit(X_train,y_train)   ...: print('intercept_:%.3f' % LR.intercept_)   ...: print('coef_:%.3f' % LR.coef_)   ...: print('Mean squared error: %.3f' % mean_squared_error(y_test,LR.predict   ...: (X_test)))##((y_test-LR.predict(X_test))**2).mean()   ...: print('Variance score: %.3f' % r2_score(y_test,LR.predict(X_test)))#1-(   ...: (y_test-LR.predict(X_test))**2).sum()/((y_test - y_test.mean())**2).sum   ...: ()   ...: print('score: %.3f' % LR.score(X_test,y_test))   ...: plt.scatter(X_test , y_test ,color ='green')   ...: plt.plot(X_test ,LR.predict(X_test) ,color='red',linewidth =3)   ...: plt.show()   ...:intercept_:152.003coef_:998.578Mean squared error: 4061.826Variance score: 0.233score: 0.233

效果如下：

阅读全文

0 0