Scikit-learn 学习心得（线性回归）

一开始学习线性回归的时候，是在MATLAB里写的，现在学习用python来做。

Scikit-learn 的线性回归怎么用呢？

开始参考的是这个：https://blog.csdn.net/u010900574/article/details/52666291

官方参考为：http://scikit-learn.org/stable/modules/linear_model.html

其实很简单，主要有如下几步：

1，各种import

import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression

2，构造样本

#这里尝试做一个直线10 + 2x的回归

NUM = 10
x = np.linspace(1,10,NUM)
y = 10 + 2*x + np.random.randn(NUM)
x_train = np.array([[tmp] for tmp in x]) #sklearn线性回归函数的入参要整成这种，不能用前两行的x，（这个在一开始把我整的晕乎乎的，还不太熟悉python的数据类型）
y_train = np.array([[tmp] for tmp in y])

3，训练

model_linear = LinearRegression()  #设置线性回归模块
model_linear.fit(x_train, y_train) #训练数据，得出参数

4，得到特征参数：

print(model_linear.coef_)        #coef_ 用于存放系数
print(model_linear.intercept_)   #intercept_ 用于存放截距 （偏置项）

其他参数请查阅相关资料，例如：https://www.cnblogs.com/magle/p/5881170.html

5，模型应用：

y_predict = model_linear.predict(x_train)

6，绘图

label = ['sample', 'predict']
plt.plot(x_train, y_train, 'o')
plt.plot(x_train, y_predict)
plt.legend(label)
plt.show()

完成。