机器学习线性回归api快速入门

目录

1 线性回归API

机器学习线性回归简介：https://blog.csdn.net/ZGL_cyy/article/details/126918295

  • sklearn.linear_model.LinearRegression()
    • LinearRegression.coef_：回归系数

2 举例

image-20190320204457160

2.1 步骤分析

  • 1.获取数据集
  • 2.数据基本处理（该案例中省略）
  • 3.特征工程（该案例中省略）
  • 4.机器学习
  • 5.模型评估（该案例中省略）

2.2 代码过程

  • 导入模块
from sklearn.linear_model import LinearRegression
  • 构造数据集
x = [[80, 86],
[82, 80],
[85, 78],
[90, 90],
[86, 82],
[82, 90],
[78, 80],
[92, 94]]
y = [84.2, 80.6, 80.1, 90, 83.2, 87.6, 79.4, 93.4]
  • 机器学习-- 模型训练
# 实例化API
estimator = LinearRegression()
# 使用fit方法进行训练
estimator.fit(x,y)

estimator.coef_

estimator.predict([[100, 80]])

3 小结

  • sklearn.linear_model.LinearRegression()
    • LinearRegression.coef_：回归系数
版权声明：本文为ZGL_cyy原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。