在skearn中,可以使用sklearn.linear_model来创建线性模型
然后用fit函数去训练
然后用predict去预测
还可以用score函数去预测同时计算预测的准确度
代码
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import linear_model
#获取数据 X,Y,并画图
X, Y = datasets.make_regression(n_samples=100, n_features=1, n_targets=1, noise=1)
plt.scatter(X, Y)
plt.show()
#区分训练集和测试集
X_train = X[:-20]
X_test = X[-20:]
Y_train = Y[:-20]
Y_test = Y[-20:]
#选择模型
lm = linear_model.LinearRegression()
#训练,获得模型
lm.fit(X_train, Y_train)
#查看模型的参数,也就是系数
print('模型参数:', lm.coef_)
#训练集和测试集的预测值
train_pred = lm.predict(X_train)
test_pred = lm.predict(X_test)
#输出预测的误差
print("训练集的预测均方误差:%.2f" % np.mean((train_pred-Y_train)**2))
print("测试集的预测均方误差:%.2f" % np.mean((test_pred-Y_test)**2))
print("预测score:%.2f" % lm.score(X_test, Y_test))