学习笔记二_线性回归模型python实战——《python大战机器学习》

最新推荐文章于 2024-11-15 19:55:22 发布

原创

最新推荐文章于 2024-11-15 19:55:22 发布 · 1k 阅读

标签

#python

收录于

这篇博客介绍了如何使用scikit-learn的LinearRegression进行线性回归模型的实战，包括模型参数、属性和方法的详细说明，并展示了如何训练和预测。

线性回归模型的python实战如下：

1. 导入包和数据集

# 导入包
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, linear_model, discriminant_analysis, model_selection
# 在书中，从sklearn中导入的最后一个模块为cross_validation而不是model_selection，但cross_validaton在0.18版本中被弃用，其中内容移至model_selection中。
# 在线性回归问题中，使用的数据集是scikit-learn自带的一个糖尿病病人的数据集。
 


# 加载数据集的函数如下：
def load_data():
    diabetes = datasets.load_diabetes()  # diabete指糖尿病
    return model_selection.train_test_split(diabetes.data, diabetes.target, test_size=0.25, random_state=0)
# 返回值为：一个元组，元组依次是：训练样本集、测试样本集、训练样本集对应的标签值、测试样本集对应的标签值。
# load_data