线回与非线回---sklearn-一元线性回归

Posted lqk0216

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线回与非线回---sklearn-一元线性回归相关的知识,希望对你有一定的参考价值。

前言:

使用sklearn库会比自己写函数要简单,而且不容易报bug,只是参数较多,需要在使用过程中进行体会。

正文:

from sklearn.linear_model import LinearRegression
#这个数据库是sklearn其中之一,可以使用线性回归的相关的函数
import numpy as np
import matplotlib.pyplot as plt 
#上面两个基本库,每次都用
#载入数据
data = np.genfromtxt("data.csv",delimiter=',')
x_data=data[:,0]
y_data=data[:,1]
#前三步还是分割数据,当然也要取决于你的数据是怎么划分的,通常用逗号来分割
plt.scatter(x_data,y_data)
plt.show()
#画图并展示
print(x_data.shape)
#shape函数可以了解你这个元素格式是什么
#我这个x_data的格式就是一个100行1列的矩阵

图片展示如下:
技术图片

#下面两步是在给x_data和y_data增加维度
#因为使用了sklearn库的lineargression
#所以带入的x和y数据有要求,必须增加维度
#如果不用用newaxis函数来增加维度,就会报错
#如果自己手写函数,就没有数据类型的要求
x_data = data[:,0,np.newaxis]
y_data = data[:,1,np.newaxis]
#创建模型
model = LinearRegression()
#给你的模型带入正确格式的数据
#fit函数有多个参数,需要调整的时候
#在网上输入fit即可找到
model.fit(x_data,y_data)
#画图,颜色有很多都是首字母的缩写
#给首字母后面加个.,表示你要画的是点
#什么都不加画出来的就是线
plt.plot(x_data,y_data,'b.')
#使用predict函数来预测y值
plt.plot(x_data,model.predict(x_data),'r')
plt.show()

图片展示如下:
技术图片

总结:

可以看出使用sklearn库来解决一元回归问题还是相当方便的!

以上是关于线回与非线回---sklearn-一元线性回归的主要内容,如果未能解决你的问题,请参考以下文章

sklearn实现一元线性回归 Python机器学习系列

如何使用spss进行一元非线性回归分析

Python数据挖掘—回归—一元非线性回归

备战数学建模17-回归分析算法

机器学习笔记一元线性回归原理公式及代码实现

在 sklearn 或任何 python 库中确定对非线性 SVM 回归贡献最大的特征