scikit-learn 线性回归模型
时间: 2023-10-12 13:14:45 浏览: 48
scikit-learn是一个Python的机器学习库,提供了许多常用的机器学习算法,包括线性回归模型。下面介绍如何使用scikit-learn构建线性回归模型。
首先,我们需要导入相关的库和数据集。在这里我们使用scikit-learn自带的波士顿房价数据集。
```python
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# 导入数据集
boston = load_boston()
X = boston.data
y = boston.target
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
接着,我们可以初始化线性回归模型并进行训练。
```python
# 初始化线性回归模型
lr = LinearRegression()
# 训练模型
lr.fit(X_train, y_train)
```
训练完成后,我们可以使用测试集进行预测,并计算模型的性能指标。
```python
# 预测测试集
y_pred = lr.predict(X_test)
# 计算模型的性能指标
from sklearn.metrics import mean_squared_error, r2_score
mse = mean_squared_error(y_test, y_pred)
rmse = np.sqrt(mse)
r2 = r2_score(y_test, y_pred)
print('MSE: {:.2f}, RMSE: {:.2f}, R2: {:.2f}'.format(mse, rmse, r2))
```
最后,我们可以使用模型进行预测。
```python
# 使用模型进行预测
new_data = np.array([[0.1, 20, 5, 1, 0.5, 6, 60, 3, 5, 300, 15, 400, 20]])
lr.predict(new_data)
```
以上就是使用scikit-learn构建线性回归模型的基本流程。