线性逻辑回归的Python实现

• sklearn中函数包的学习，metrics为计算拟合程度的好坏的度量，可以计算方差和标准差

from sklearn import metrics

print "MSE:",metrics.mean_squared_error(y_test, y_pred)

• 拆分训练集和测试集

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

• 计算sita参数
• • from sklearn import linear_model
  • css = linear_model.LinearRegression()
  • css.fit(X_train,y_train)
• 模型中参数的意义
• • print css.coef_
    print css.intercept_
• css.coef为（n_class*n_features）大小， css.intercept为（1*n_features）大小，z=css.coef.*x'+css.intercept

• 画出示意图
• • y_pred = css.predict(X_test)
  • import matplotlib.pyplot as plt
    plt.scatter(X_test, y_test, color='black')
    plt.plot(X_test, y_pred, color='blue', linewidth=3)
    
    plt.xticks(())
    plt.yticks(())