机器学习(2)---简单线性回归模型
机器学习(2)---简单线性回归模型
第一步:数据预处理
import pandas as pd import numpy as np import matplotlib.pyplot as pltdataset = pd.read_csv('studentscores.csv') X = dataset.iloc[ : , : 1 ].values Y = dataset.iloc[ : , 1 ].valuesfrom sklearn.model_selection import train_test_split X_train, X_test, Y_train, Y_test = train_test_split( X, Y, test_size = 1/4, random_state = 0)
第二步:训练集使用简单线性回归模型来训练
from sklearn.linear_model import LinearRegression regressor = LinearRegression() regressor = regressor.fit(X_train, Y_train)
第三步:预测结果
Y_pred = regressor.predict(X_test)
第四步:可视化
训练集结果可视化
plt.scatter(X_train , Y_train, color = 'red') plt.plot(X_train , regressor.predict(X_train), color ='blue') plt.show()
测试集结果可视化
plt.scatter(X_test , Y_test, color = 'red') plt.plot(X_test , regressor.predict(X_test), color ='blue') plt.show()
机器学习(2)---简单线性回归模型相关推荐
- 机器学习第2天:简单线性回归模型
文章目录 一.概念 1. 什么是回归 2. 什么是线性 3. 什么是线性回归 二.具体实现步骤 第1步:数据预处理 第2步:使用简单线性回归模型来训练训练集 第3步:预测结果 第4步:可视化 训练集结 ...
- Python构建简单线性回归模型教程
本文介绍如何构建简单线性回归模型及计算其准确率,最后介绍如何持久化模型. 线性回归模型 线性回归表示发现函数使用线性组合表示输入变量.简单线性回归很容易理解,使用了基本的回归技术,一旦理解了这些基本概 ...
- 机器学习入门实践——线性回归模型(波士顿房价预测)
机器学习入门实践--线性回归模型(波士顿房价预测) 一.背景介绍 给定一个大小为 n n n的数据集 { y i , x i 1 , . . . , x i d } i = 1 n {\{y_{i}, ...
- R语言使用lmPerm包应用于线性模型的置换方法(置换检验、permutation tests)、使用lm模型构建简单线性回归模型、使用lmp函数生成置换检验回归分析模型
R语言使用lmPerm包应用于线性模型的置换方法(置换检验.permutation tests).使用lm模型构建简单线性回归模型.使用lmp函数生成置换检验回归分析模型(Permutation te ...
- R语言使用lm函数构建简单线性回归模型(建立线性回归模型)、拟合回归直线、使用attributes函数查看线性回归模型的属性信息、获取模型拟合对应的残差值residuals
R语言使用lm函数构建简单线性回归模型(建立线性回归模型).拟合回归直线.使用attributes函数查看线性回归模型的属性信息.获取模型拟合对应的残差值residuals 目录
- R语言使用lm函数构建简单线性回归模型(建立线性回归模型)、拟合回归直线、可视化散点图并添加简单线性回归直线、添加模型拟合值数据点、添加拟合值点和实际数据点之间的线段表示残差大小、col参数自定义设置
R语言使用lm函数构建简单线性回归模型(建立线性回归模型).拟合回归直线.可视化散点图并添加简单线性回归直线.添加模型拟合值数据点.添加拟合
- 二、简单线性回归模型(计量经济学学习笔记)
研究经济变量之间相互数量关系最基本的方法之一是回归分析. ①回归分析与回归函数 1.1相关分析与回归分析 1.1.1函数关系与相关关系 经济变量之间的相互依存关系有两种:1.确定性的函数关系 2.不确 ...
- R语言使用lm函数构建简单线性回归模型(建立线性回归模型)、拟合回归直线、使用residuls函数从模型中提取每个样本点的残差值、可视化残差与拟合值之间的散点图来看残差的分布模式
R语言使用lm函数构建简单线性回归模型(建立线性回归模型).拟合回归直线.使用residuls函数从模型中提取每个样本点的残差值.可视化残差与拟合值之间的散点图来看残差的分布模式 目录
- 【Keras】简单线性回归模型
Keras简单线性回归模型 导入安装包 加载数据 创建模型并训练 预测与结果可视化 导入安装包 import pandas as pd from keras.models import Sequent ...
最新文章
- 避免到服务器的不必要的往返过程
- Repeater 使用小技巧 内部radio 横排
- Spring整合Hessian
- 机器学习之 weka学习(三)
- Java8 方法引用
- linux物理内存地址与iomem,一种Linux系统物理内存镜像文件分析方法_4
- 《信号与系统》(吴京)部分课后习题答案与解析——第七章(PART2)(系统及系统分析)
- 【SpringBoot】文件上传(基础上传、上传文件限制、上传多个文件)
- echarts合并地图,把中国各个省份分成华北,东北,华东,华中,华南,西南,西北七个大区...
- 【算法】机器人走迷宫(适用于走迷宫、最短路径算法)-20200412
- Win10下双系统Ubuntu14.04+GTX1070+CUDAcuDNN+Tensorflow环境搭建
- window7系统电脑,怎么调亮度?
- 论文《DeepHawkes: Bridging the Gap between Prediction and Understanding of Information Cascades》阅读
- 如何利用今日头条推荐规则, 打造阅读量100万+的爆款文章?
- linux切换用户时释放资源,linux 切换用户报Resource temporarily unavailable
- k8s集群-master节点迁移
- 深入理解 Base64 底层原理
- 管理中的笑话,笑话中的管理(犹太人的智慧)
- OpenGL Transform Feedback
- Android 多线程
热门文章
- python3安装教程win10_在win10和linux上分别安装Python虚拟环境|python3教程|python入门|python教程...
- 八皇后问题的非递归解法
- 如何查看linux服务器的白名单,linux服务器iptables防火墙白名单添加方式
- 《深入理解 Spring Cloud 与微服务构建》第三章 Spring Cloud
- 【数据库】第一章 数据库的分类、SQL、数据库、表和表记录的常用操作
- 微信小程序|开发实战篇之request请求(单个、多个参数,json对象,header)
- 微信小程序|开发实战篇之十一---商品页面和购物车页面
- Spark Scala当中reduceByKey的用法
- Redis常用数据类型和事物以及并发
- ubuntu 18.04 vim的安装