python实现线性回归模型鸢尾花

以下是一个使用Python实现线性回归模型的示例，用于预测鸢尾花的花瓣长度。

首先，我们需要导入必要的库。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

然后，我们加载鸢尾花数据集。

iris = load_iris()
X = iris.data[:,2].reshape(-1, 1)  # 花瓣长度
y = iris.target

接下来，我们将数据集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)

我们使用线性回归模型对训练集进行拟合。

model = LinearRegression()
model.fit(X_train, y_train)

现在，我们可以使用模型对测试集进行预测并计算其准确性。

y_pred = model.predict(X_test)
accuracy = model.score(X_test, y_test)
print("准确率：", accuracy)

最后，我们可以使用训练好的模型对新的数据进行预测。

new_data = np.array([1.5]).reshape(-1, 1)
prediction = model.predict(new_data)
print("预测值：", prediction)

完整代码如下：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris = load_iris()
X = iris.data[:,2].reshape(-1, 1)  # 花瓣长度
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = LinearRegression()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)
accuracy = model.score(X_test, y_test)
print("准确率：", accuracy)

new_data = np.array([1.5]).reshape(-1, 1)
prediction = model.predict(new_data)
print("预测值：", prediction)