sklearn的线性回归
时间: 2023-09-03 09:17:06 浏览: 217
python3机器学习sklearn之线性回归
5星 · 资源好评率100%
线性回归是机器学习中常用的回归算法之一,而scikit-learn(sklearn)是一个常用的Python机器学习库,提供了丰富的机器学习算法实现,包括线性回归。
在sklearn中,线性回归模型可以通过`LinearRegression`类来实现。下面是一个简单的示例代码,展示如何使用sklearn进行线性回归:
```python
from sklearn.linear_model import LinearRegression
import numpy as np
# 准备数据
X = np.array([[1], [2], [3], [4]]) # 自变量
y = np.array([2, 4, 6, 8]) # 因变量
# 创建线性回归模型
model = LinearRegression()
# 拟合模型
model.fit(X, y)
# 进行预测
X_test = np.array([[5], [6]])
y_pred = model.predict(X_test)
print(y_pred)
```
在上述代码中,首先导入`LinearRegression`类和`numpy`库。然后,准备自变量X和因变量y的数据。接下来,创建一个线性回归模型对象,并调用`fit`方法进行模型拟合。最后,使用训练好的模型进行预测,并打印输出结果。
需要注意的是,线性回归模型假设自变量和因变量之间存在线性关系。如果数据不满足这一假设,线性回归模型可能无法得到好的拟合效果。在实际应用中,可以根据数据特点选择适合的回归模型进行建模。
阅读全文