zoukankan      html  css  js  c++  java
  • 线回与非线回---sklearn-一元线性回归

    前言:

    使用sklearn库会比自己写函数要简单,而且不容易报bug,只是参数较多,需要在使用过程中进行体会。

    正文:

    from sklearn.linear_model import LinearRegression
    #这个数据库是sklearn其中之一,可以使用线性回归的相关的函数
    import numpy as np
    import matplotlib.pyplot as plt 
    #上面两个基本库,每次都用
    
    #载入数据
    data = np.genfromtxt("data.csv",delimiter=',')
    x_data=data[:,0]
    y_data=data[:,1]
    #前三步还是分割数据,当然也要取决于你的数据是怎么划分的,通常用逗号来分割
    plt.scatter(x_data,y_data)
    plt.show()
    #画图并展示
    print(x_data.shape)
    #shape函数可以了解你这个元素格式是什么
    #我这个x_data的格式就是一个100行1列的矩阵
    

    图片展示如下:
    在这里插入图片描述

    #下面两步是在给x_data和y_data增加维度
    #因为使用了sklearn库的lineargression
    #所以带入的x和y数据有要求,必须增加维度
    #如果不用用newaxis函数来增加维度,就会报错
    #如果自己手写函数,就没有数据类型的要求
    x_data = data[:,0,np.newaxis]
    y_data = data[:,1,np.newaxis]
    #创建模型
    model = LinearRegression()
    #给你的模型带入正确格式的数据
    #fit函数有多个参数,需要调整的时候
    #在网上输入fit即可找到
    model.fit(x_data,y_data)
    
    #画图,颜色有很多都是首字母的缩写
    #给首字母后面加个.,表示你要画的是点
    #什么都不加画出来的就是线
    plt.plot(x_data,y_data,'b.')
    #使用predict函数来预测y值
    plt.plot(x_data,model.predict(x_data),'r')
    plt.show()
    

    图片展示如下:
    在这里插入图片描述

    总结:

    可以看出使用sklearn库来解决一元回归问题还是相当方便的!

  • 相关阅读:
    Leetcode951. Flip Equivalent Binary Trees翻转等价二叉树
    Leetcode938. Range Sum of BST二叉搜索树的范围和
    Leetcode962. Maximum Width最大宽度坡 Ramp
    STL容器-deque-双端队列
    Leetcode950. Reveal Cards In Increasing Order按递增顺序显示卡牌
    idea修改运行内存
    Web服务器进程连接数和请求连接数
    Vue问题总结
    Vue项目搭建过程
    去掉vue 中的代码规范检测(Eslint验证)
  • 原文地址:https://www.cnblogs.com/lqk0216/p/12335035.html
Copyright © 2011-2022 走看看