sklearn包实现线性回归模型

sklearn包实现线性回归模型

前言： 上篇文章我们利用python实现了梯度下降算法用于训练一元线性回归模型，但正常我坐机器学习多会使用比较成熟的相关包，因为这些封装好的包，算法效率相对较高，并且使用方便。本文使用sklearn包中线性模型实现一元线性回归模型的训练。

一、sklearn训练线性回归模型只需要两句代码
1、model = LinearRegression() # 建立模型
2、model.fit(x_2data, y_2data) # 训练模型
3、 model.predict(x_2data) # 根据上面训练的模型预测数据

二、示例代码

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

# 读取数据
data = np.genfromtxt('data.csv', delimiter=',')
x_data = data[:, 0]
y_data = data[:, 1]

x_2data = x_data[:, np.newaxis]  # 添加列，增加维度，转为二维数据
y_2data = y_data[:, np.newaxis]  # 添加列，增加维度，转为二维数据

# 创建并训练模型
model = LinearRegression()
model.fit(x_2data, y_2data)

# 绘制训练拟合好的模型
plt.scatter(x_data, y_data, c='b', s=50)
plt.plot(x_data, model.predict(x_2data), color='red', linewidth=1.0)
plt.show()

三、运行结果

由上图可知sklearn训练的模型对样本数据的拟合效果较好

四、数据下载地址
链接：https://pan.baidu.com/s/1KhPIzejxFZfbkIGZo8J8lg
提取码：slg1