scikit-learn学习基础知识一

Posted hhh江月

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了scikit-learn学习基础知识一相关的知识,希望对你有一定的参考价值。

scikit-learn学习基础知识一

一、一个线性回归的案例

"""
scikit-learn learning1
一个简单的线性回归的案例。
"""


import sklearn
import numpy as np
import matplotlib.pyplot as plt


from sklearn.linear_model import LinearRegression


# 调用线性回归的现有的函数
# 直接调用现有的模块中的现成的线性回归函数 LinearRegression
# LinearRegression


"""
简单的线性回归案例
"""
"""
pip install sklearn
"""


def test():

    """
    test the environment.
    """

    print(sklearn.__version__)


def linear():

    """
    linear data showing. 
    """

    X = np.array([[6], [8], [10], [14], [18]]).reshape(-1, 1)
    # X
    # 训练数据的特征
    y = [7, 9, 13, 17.5, 18]
    # y
    plt.figure()
    plt.title("simple linear")  # title
    plt.xlabel("X")  # X
    plt.ylabel("y")  # y
    plt.plot(X, y, 'k.')
    # plot -> show.
    plt.axis([0, 25, 0, 25])
    # 0->25; 0->25.
    plt.grid(True)  # grid
    plt.show()  # show.


def training_linear():

    """
    use LinearRegression to train.
    """

    model = LinearRegression()
    # 构建一个实例


    X = np.array([[6], [8], [10], [14], [18]]).reshape(-1, 1)
    # X
    # 训练数据的特征

    y = [7, 9, 13, 17.5, 18]
    # y

    model.fit(X, y)
    # 进行训练 LinearRegression
    # LinearRegression


    test = np.array([[12]])
    predict = model.predict(test)[0]
    # 预测 LinearRegression

    print(predict)


if __name__ == '__main__':
    # 这是一个简单的案例,直接调用现有的函数来实现线性回归,
    # 当然,也可以自己学会了那个线性回归的公式来自己计算线性回归的系数啦。

    # test()

    # linear()

    training_linear()
    # LinearRegression
    # use LinearRegression yo train.
    #  

    # pass



二、线性回归

"""
线性回归模型

最简单的线性回归。


"""


from numpy import mod
import sklearn
from sklearn.linear_model import LinearRegression as lr
# LinearRegression

model1 = lr()



model1.fit([[0, 0], [1, 1], [2, 2]], [0, 1, 2])  # fit method.


# parameter1: X; parameter2: y.

print(model1.coef_)  # coef_ ->  model1.coef_.
# model1.coef_ -> y=ax+b (a, b) (for example.)




# PS E:\\1\\Documents\\PyTorch> & C:/Users/1/AppData/Local/Programs/Python/Python38/python.exe e:/1/Documents/PyTorch/pytorch/others/sklearn/sklearn_learning/sklearn_learning2.py
# [0.5 0.5]






三、岭回归与分类

"""


岭回归与分类


"""


from sklearn import linear_model

reg = linear_model.Ridge(alpha=.5)
reg.fit([[0, 0], [0, 0], [1, 1]], [0, .1, 1])
print(reg.coef_)
print(reg.intercept_)








"""
[0.34545455 0.34545455]
0.13636363636363638
"""


四、总结

以上就是使用Python语言来学习scikit-learn的基础知识的线性回归于岭回归的内容,希望对大家有一些帮助,最后,感谢大家的阅读与支持啦。

以上是关于scikit-learn学习基础知识一的主要内容,如果未能解决你的问题,请参考以下文章

scikit-learn学习基础知识二

scikit-learn学习基础知识三

机器学习基础Python机器学习的神器- Scikit-learn使用说明

机器学习基础 | 获取机器学习&深度学习数据集

AI常用框架和工具丨5. 机器学习库Scikit-learn

AI常用框架和工具丨5. 机器学习库Scikit-learn