scikit-learn 实现简单的二维线性回归
来源:互联网 发布:空燃比传感器数据分析 编辑:程序博客网 时间:2024/06/06 16:34
假设我们有这样的一幅图:
需要画一条直线,使得点到样本点的方差最小。
具体点的坐标如下:
>>> x = array([[ 0.07786339], [-0.03961813], [ 0.01103904], [-0.04069594], [-0.03422907], [ 0.00564998], [ 0.08864151], [-0.03315126], [-0.05686312], [-0.03099563], [ 0.05522933], [-0.06009656], [ 0.00133873], [-0.02345095], [-0.07410811], [ 0.01966154], [-0.01590626], [-0.01590626], [ 0.03906215], [-0.0730303 ]])>>> y = array([ 233., 91., 111., 152., 120., 67., 310., 94., 183., 66., 173., 72., 49., 64., 48., 178., 104., 132., 220., 57.])
我们使用 python 中的 scikit-learn 第三方模块进行计算:
>>> from sklearn import linear_model>>> import matplotlib.pyplot as plt>>> regr = linear_model.LinearRegression()>>> regr.fit(x,y)>>> y_pred = regr.predict(x)>>> plt.scatter(x, y, color='black')>>> plt.plot(x, y_pred, color='blue')>>> plt.show()
则可以得到下图:
图中直线的斜率与截距分别是:
>>> regr.coef_array([ 1121.36526482])>>> regr.intercept_137.38931497870459
阅读全文
0 0
- scikit-learn 实现简单的二维线性回归
- scikit-learn : 线性回归
- 【scikit-learn】scikit-learn的线性回归模型
- 【scikit-learn】scikit-learn的线性回归模型
- 【scikit-learn】scikit-learn的线性回归模型
- 线性回归-scikit-learn
- 线性回归之scikit-learn
- scikit-learn线性回归源码
- scikit-learn实现线性回归之LinearRegression模型
- scikit-learn实现线性回归之Lassolars模型
- 基于scikit learn的logistic回归实现
- scikit-learn的线性回归模型 利用pandas处理数据
- 使用scikit-learn做线性回归
- scikit-learn : 线性回归模型性能评估
- scikit-learn 线性回归算法库小结
- scikit-learn 线性回归算法库小结
- scikit-learn 线性回归算法库小结
- scikit-learn : 线性回归,多元回归,多项式回归
- C语言结构简介
- Oracle数据导入导出imp/exp
- 洛谷P3931“tree”题解
- springmvc入门程序HelloWord
- 给Oracle的数据添加默认值
- scikit-learn 实现简单的二维线性回归
- python数据处理之numpy和pandas(下)
- 字符设备混杂设备编程步骤
- Ajax 完整教程
- 关于缓存的介绍
- Eclipse的使用
- POJ 1208 The Blocks Problem
- CCF之ISBN号码
- js学习笔记2