线性模型

Posted 2021-03-05 longzhankunlun

线性回归（又名普通最小二乘法） 

import mglearn
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split


# X.shape->(60,1) 
# y.shape->(60,)
# X是一个二维数组，包含60个元素，每个元素是一个一维数组，每个数组里包含4个元素;y是一个一维数组，包含60个元素
X, y = mglearn.datasets.make_wave(n_samples=60)

#将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

#构建模型
lr = LinearRegression().fit(X_train, y_train)

#斜率w，保存在coef_，是一个numpy数组
print("lr.coef_: {}".format(lr.coef_))

#截距b，保存在intercept_，是一个浮点数
print("lr.intercept_: {}".format(lr.intercept_))

#训练集性能
print("Training set score: {:.2f}".format(lr.score(X_train, y_train)))

#测试集性能
print("Test set score: {:.2f}".format(lr.score(X_test, y_test)))

输出：

lr.coef_: [ 0.39390555]
lr.intercept_: -0.031804343026759746
Training set score: 0.67
Test set score: 0.66

斜率0.4，截距-0.03，训练精度0.67，测试精度0.66。训练精度过低，只有一个特征，模型过于简单，欠拟合