线性回归和岭回归
来源:互联网 发布:matlab对离散数据求导 编辑:程序博客网 时间:2024/04/28 18:32
我近半年每个月所写博客的数量
# -*- coding: utf-8 -*-"""Created on Fri Sep 1 18:23:07 2017@author: Administrator"""from sklearn import linear_modelimport numpy as npimport matplotlib.pyplot as plty=np.array([13,12,32,0,1,7,27]).reshape(-1,1)x=np.array([2,3,4,5,6,7,8]).reshape(-1,1)plt.plot(x,y)plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号##设置模型model = linear_model.LinearRegression()##训练数据model.fit(x, y)##用训练得出的模型预测数据y_plot = model.predict(x)##打印线性方程的权重print(model.coef_) ## 0.90045842、plt.scatter(x, y, color='red',label="样本数据",linewidth=2)plt.plot(x, y_plot, color='green',label="拟合直线",linewidth=2)plt.legend(loc='lower right')plt.show()from sklearn.preprocessing import PolynomialFeaturesfrom sklearn.pipeline import make_pipelineimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import Ridge##这里指定使用岭回归作为基函数model = make_pipeline(PolynomialFeatures(15), Ridge())model.fit(x, y)##根据模型预测结果y_plot = model.predict(x)##绘图plt.scatter(x, y, color='red',label="样本数据",linewidth=2)plt.plot(x, y_plot, color='green',label="拟合直线",linewidth=2)plt.legend(loc='lower right')plt.show()
原文链接
阅读全文
0 0
- 线性回归和岭回归
- 线性回归和logistic回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 线性回归和逻辑回归
- 线性回归,logistic回归和一般回归
- 线性回归,logistic回归和一般回归
- 线性回归,logistic回归和一般回归
- 线性回归,logistic回归和一般回归
- 线性回归和局部加权线性回归
- 线性回归和局部加权线性回归
- 线性回归和局部加权线性回归
- 线性最小二乘回归和核岭回归
- PCA和线性回归
- 线性拟合和线性回归
- 线性回归,LWLR,岭回归,逐步线性回归
- 线性回归和逻辑回归(初探)
- C语言的动态库和静态库
- jzoj 4246【五校联考6day2】san
- Maven详解(五)------ 坐标的概念以及依赖管理
- PAT (Basic Level) Practise (中文) 1029. 旧键盘(20)
- 领略webService之美
- 线性回归和岭回归
- 可持久化线段树模板
- 关于win10系统下安装anaconda、tensorflow、spyder
- TiDB Pre-GA Release
- 混淆矩阵(第一类错误,第二类错误)
- POJ 1067 威佐夫博弈 解题报告
- Macaca基础原理
- RecyclerView实现购物车的全选、反选功能
- kubernetes1.5.2集群部署过程--安全模式