python线性回归机器学习
时间: 2023-08-14 14:13:05 浏览: 57
线性回归是机器学习中常用的一种算法,用于建立输入变量与输出变量之间的线性关系模型。在Python中,可以使用多种库来实现线性回归,比如scikit-learn和statsmodels。
首先,我们可以使用scikit-learn来实现线性回归。下面是一个简单的示例代码:
```python
from sklearn.linear_model import LinearRegression
# 输入数据
X = [[1], [2], [3], [4], [5]]
# 输出数据
y = [2, 4, 6, 8, 10]
# 创建线性回归模型
model = LinearRegression()
# 训练模型
model.fit(X, y)
# 预测
x_test = [[6], [7]]
y_pred = model.predict(x_test)
print(y_pred)
```
另外,如果你想使用statsmodels库,可以使用下面的代码:
```python
import statsmodels.api as sm
# 输入数据
X = [[1], [2], [3], [4], [5]]
# 添加常数列
X = sm.add_constant(X)
# 输出数据
y = [2, 4, 6, 8, 10]
# 创建线性回归模型
model = sm.OLS(y, X)
# 训练模型
results = model.fit()
# 打印模型参数
print(results.params)
# 预测
x_test = [[1, 6], [1, 7]]
y_pred = results.predict(x_test)
print(y_pred)
```
这是一个简单的线性回归示例,你可以根据自己的需求进行修改和扩展。希望对你有帮助!