這篇文章主要介紹了python怎么實現(xiàn)簡單的單變量線性回歸方法,具有一定借鑒價值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。

線性回歸是機器學習中的基礎(chǔ)算法之一,屬于監(jiān)督學習中的回歸問題,算法的關(guān)鍵在于如何最小化代價函數(shù),通常使用梯度下降或者正規(guī)方程(最小二乘法),在這里對算法原理不過多贅述,建議看吳恩達發(fā)布在斯坦福大學上的課程進行入門學習。
這里主要使用python的sklearn實現(xiàn)一個簡單的單變量線性回歸。
sklearn對機器學習方法封裝的十分好,基本使用fit,predict,score,來訓(xùn)練,預(yù)測,評價模型,
一個簡單的事例如下:
from pandas import DataFrame
from pandas import DataFrame
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets,linear_model
X=[]
Y=[]
with open("C:\\Users\\www\\ex1data1.txt","r") as f: #讀取txt文件。
for line in f:
p_tmp, E_tmp = [float(i) for i in line.split(',')]
X.append(p_tmp)
Y.append(E_tmp)
#'data=np.loadtxt('ex1data1.txt',delimiter=',')# X=data[0]
# Y=data[1]
data=DataFrame(X,columns={'a'})
data['b']=b
X=DataFrame(X)
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
plt.scatter(data['a'],data['b']) #顯示X,Y的散點圖
def linear_model_main(X,Y,predict_value): #定義一個使用線性回歸的函數(shù)
regr=linear_model.LinearRegression()
regr.fit(X,Y) #訓(xùn)練模型
predict_output=regr.predict(predict_value) #預(yù)測
predictions={} #用一個集合裝以下元素
predictions['intercept']=regr.intercept_ #截距
predictions['codfficient']=regr.coef_ #斜率(參數(shù))
predictions['predict_value']=predict_output #預(yù)測值
return predictions
result = linear_model_main(X,Y,1500) #調(diào)用函數(shù)
print(result['predict_value'])
def show_predict(X,Y):
regr=linear_model.LinearRegression()
regr.fit(X,Y)
plt.scatter(X,Y,color='blue')
plt.plot(X,regr.predict(X),color='red')
show_predict(X,Y)最后擬合結(jié)果如圖:

感謝你能夠認真閱讀完這篇文章,希望小編分享的“python怎么實現(xiàn)簡單的單變量線性回歸方法”這篇文章對大家有幫助,同時也希望大家多多支持創(chuàng)新互聯(lián),關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道,更多相關(guān)知識等著你來學習!
分享文章:python怎么實現(xiàn)簡單的單變量線性回歸方法-創(chuàng)新互聯(lián)
分享鏈接:http://www.chinadenli.net/article20/djhoco.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供用戶體驗、手機網(wǎng)站建設(shè)、外貿(mào)建站、定制網(wǎng)站、企業(yè)建站、品牌網(wǎng)站制作
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)
猜你還喜歡下面的內(nèi)容