自定义数据集使用scikit-learn中的包实现线性回归方法对其进行拟合

1. 引言

简要介绍线性回归模型及其在机器学习中的应用。

2. 创建自定义数据集

通过生成一个简单的自定义数据集来模拟问题。可以使用numpy生成数据。

复制代码
import numpy as np
import matplotlib.pyplot as plt

# 生成自定义数据
np.random.seed(42)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

3. 使用scikit-learn实现线性回归

使用LinearRegression类拟合数据并进行预测。

复制代码
from sklearn.linear_model import LinearRegression

# 初始化线性回归模型
lin_reg = LinearRegression()

# 拟合模型
lin_reg.fit(X, y)

# 预测
y_pred = lin_reg.predict(X)

# 输出模型参数
print(f"模型的截距:{lin_reg.intercept_}")
print(f"模型的系数:{lin_reg.coef_}")

4. 可视化拟合结果

绘制原始数据与回归线。

复制代码
plt.scatter(X, y, color='blue', label='数据点')
plt.plot(X, y_pred, color='red', label='拟合线')
plt.xlabel('X')
plt.ylabel('y')
plt.legend()
plt.show()

5. 结论

使用scikit-learn进行线性回归拟合的步骤,并强调模型参数的含义。

相关推荐
kyle~4 小时前
FastAPI --- 将业务能力以 API 的形式提供给外部系统
python·fastapi·前后端
aiotto资源分享5 小时前
Python 写 JSON 文件,程序中途退出会留下什么?
java·python·json·jsondecodeerror
梯度下降者6 小时前
Python信号量,条件变量,事件学习
python·条件变量·事件·信号量·线程通信
MSTcheng.6 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
the局外人7 小时前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
__underline__7 小时前
冷门Python知识点006篇:Python 类体里的名字,能被"凭空造出来"
后端·python
用户0332126663678 小时前
使用 Python 轻松移除 Excel 文档中的重复行
python·excel
LiaoWL1238 小时前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag
Dmz丶8 小时前
前端转 AI 100 天 Day 48:向量数据库——100 万向量的毫秒级检索
python
青少儿编程课堂8 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:中国剩余定理解析
c++·python·算法·bfs·信息学竞赛