线性模型机器学习代码
时间: 2023-08-19 12:06:13 浏览: 52
下面是一个简单的线性模型机器学习代码示例,使用了Python中的scikit-learn库:
```python
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 假设我们有一些训练数据,包括特征X和目标变量y
X = [[1], [2], [3], [4], [5]]
y = [2, 4, 6, 8, 10]
# 将数据集划分为训练集和测试集
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()
# 在训练集上训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
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)
```
上述代码中,我们使用了一个简单的线性回归模型来拟合训练数据。首先,我们将数据集分为训练集和测试集,然后创建一个线性回归模型。接下来,我们使用训练集来拟合模型,并使用测试集进行预测。最后,我们计算预测结果与真实值之间的均方误差作为模型的性能评估指标。
请注意,这只是一个简单的示例,实际应用中可能需要更复杂的特征工程和模型选择等步骤。