进行线性回归和逻辑回归。
时间: 2024-02-04 08:08:02 浏览: 37
以下是使用Python进行线性回归和逻辑回归的示例:
线性回归示例:
```python
import numpy as np
from sklearn.linear_model import LinearRegression
# 构造数据
x = np.array([1, 2, 3, 4, 5]).reshape((-1, 1))
y = np.array([2, 3, 4, 5, 6])
# 创建模型并拟合数据
model = LinearRegression()
model.fit(x, y)
# 预测新数据
x_new = np.array([6]).reshape((-1, 1))
y_new = model.predict(x_new)
# 输出预测结果
print(y_new) # 输出:[7.]
```
逻辑回归示例:
```python
import numpy as np
from sklearn.linear_model import LogisticRegression
# 构造数据
x = np.array([[1, 2], [2, 3], [3, 4], [4, 5], [5, 6]])
y = np.array([0, 0, 1, 1, 1])
# 创建模型并拟合数据
model = LogisticRegression()
model.fit(x, y)
# 预测新数据
x_new = np.array([[6, 7]])
y_new = model.predict(x_new)
# 输出预测结果
print(y_new) # 输出:[1]
```
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)