机器学习笔记：一个最基础的线性回归例子

使用 scikit-learn 机器学习包实现最基础的线性回归模型。

安装 scikit-learn 包，或者 Anaconda 工具箱自带。

pip install scikit-learn

构建训练数据。

from random import randint
train_set_limit = 1000
train_set_count = 100
train_input = list()
train_output = list()
for i in range(train_set_count):
    a = randint(0, train_set_limit)
    b = randint(0, train_set_limit)
    c = randint(0, train_set_limit)
    y = a + (b * 2) + (c * 3)
    train_input.append([a, b, c])
    train_output.append(y)

线性回归模型使用训练集进行训练（fit），然后针对给定的数据进行预测（predict）。

from sklearn.linear_model import LinearRegression
predictor = LinearRegression(n_jobs=-1)  
predictor.fit(X=train_input, y=train_output)

x_test = [[10, 20, 30]]
output = predictor.predict(x_test)

print("Output: {}
 Coefficients: {}".format(output, predictor.coef_)) # 系数

n_jobs 表示 CPU 使用的个数，默认为-1，代表使用全部CPU。

参考链接：Python 用5行代码学机器学习——线性回归