【代码】线性回归模型-简单例子

这里我们先用sklearn训练一个线性回归模型，看看sklearn训练出来的模型结果是多少。

一、线性回归模型-训练-调用sklearn

现有数据以下

 以上数据的实际关系为：,等下可以回头看看求解结果是否与它一致

我们使用sklearn来训练一个线性回归模型，并打印训练好的模型系数、阈值。

在python的sklearn中，实现线性回归模型，只需调用linear_model.LinearRegression()函数，具体代码如下：

"""
本代码展示sklearn训练线性回归模型
本代码来自《老饼讲解-机器学习》www.bbblearn.com
"""
from sklearn import linear_model
import numpy as np

# 训练数据
x = np.array([[0, 2], [1, 1], [2,3],[3,2],[4,5],[5,2]])  # 输入数据X
y = np.array([8,7,15,14,25,18])                          # 输出数据y

# 调用sklearn的线性模型包，训练数据
reg = linear_model.LinearRegression()                    # 初始化线性回归模型               
reg.fit(x,y)                                             # 训练模型

# 输出系数和阈值
print("模型参数："+str(reg.coef_))                       # 打印模型系数
print("模型阈值："+str(reg.intercept_))                  # 打印模型阈值

代码运行结果如下：

好了，我们这里先记住这个结果，后面我们再自写训练代码，来与sklearn进行对比。

结束语

这节我们就简单在sklearn中训练一个线性回归模型，并展示它的训练结果，主要用于下节我们自写代码实现线性回归模型后，用来检查它与sklearn的结果是否一致。