参考网页:http://sklearn.apachecn.org/cn/0.19.0/
其中提供了中文版的文件说明,较为清晰。
1 from sklearn.linear_model import LinearRegression as lr 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 x = np.array([3.6,4.5,2.6,4.9,2.5,3.5]).reshape(-1,1) 6 y = np.array([9.7,8.1,7.6,8.6,9.0,7.8]).reshape(-1,1) 7 8 model = lr() 9 10 model.fit(x,y) 11 12 y_plot = model.predict(x) 13 14 print(model.coef_) 15 16 plt.scatter(x,y,color='red',label= "sample data",linewidth=2) 17 plt.plot(x,y_plot,color='green',label="fitting line",linewidth=2) 18 plt.legend(loc='lower right') 19 plt.show()
(数据随便编的,不标准)
最小二乘法的实现利用了sklearn中提供的linear_model线性模型,numpy提供对数组的操作,matplotlib.pyplot提供对模型的图例化。
其中:
reshape(-1,1)利用numpy提供的方法将数组转换一维数组。
model实例化LinearRegression方法。
fit(x,y)为监督学习算法,若改为fit(X,y=None)则为无监督学习算法。
plt.scatter为散点图方法,此处用于将各个点标于图上。
扫描二维码关注公众号,回复:
3947825 查看本文章
plt.plot为折线图方法,此处用于将预测得的拟合直线标于图上。
plt.legend为图例设置方法,用于标记图例的显示位置,可用参数主要为“lower,upper,center,right,left,best”(若留空则为右上角,与best相同)。
plt.show为图例输出方法。