regression python
时间: 2023-10-12 11:05:45 浏览: 35
在Python中进行回归分析有多种方法和库可供选择。以下是使用scikit-learn库进行线性回归的示例代码:
```python
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 准备数据
X = [[1], [2], [3], [4], [5]] # 自变量
y = [2, 4, 6, 8, 10] # 因变量
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建线性回归模型
model = LinearRegression()
# 拟合模型
model.fit(X_train, y_train)
# 预测测试集数据
y_pred = model.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)
# 预测新数据
new_data = [[6], [7]]
new_pred = model.predict(new_data)
print("新数据预测结果:", new_pred)
```
在这个例子中,我们使用了scikit-learn库的`LinearRegression`类来创建一个线性回归模型。首先,我们准备了自变量`X`和因变量`y`的数据。然后,我们使用`train_test_split`函数将数据集划分为训练集和测试集。接下来,我们创建了一个线性回归模型,并使用训练集数据进行拟合。然后,我们使用测试集数据进行预测,并计算了均方误差作为评估模型的指标。最后,我们使用训练好的模型对新数据进行预测。
除了线性回归,scikit-learn还提供了其他类型的回归模型,如岭回归(Ridge Regression)、Lasso回归(Lasso Regression)等。你可以根据具体的需求选择合适的模型。