python實(shí)現(xiàn)簡(jiǎn)單的單變量線性回歸方法
更新時(shí)間：2018年11月08日 11:45:28 作者：xckkcxxck
今天小編就為大家分享一篇python實(shí)現(xiàn)簡(jiǎn)單的單變量線性回歸方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
線性回歸是機(jī)器學(xué)習(xí)中的基礎(chǔ)算法之一，屬于監(jiān)督學(xué)習(xí)中的回歸問(wèn)題，算法的關(guān)鍵在于如何最小化代價(jià)函數(shù)，通常使用梯度下降或者正規(guī)方程（最小二乘法），在這里對(duì)算法原理不過(guò)多贅述，建議看吳恩達(dá)發(fā)布在斯坦福大學(xué)上的課程進(jìn)行入門(mén)學(xué)習(xí)。
這里主要使用python的sklearn實(shí)現(xiàn)一個(gè)簡(jiǎn)單的單變量線性回歸。
sklearn對(duì)機(jī)器學(xué)習(xí)方法封裝的十分好，基本使用fit,predict,score，來(lái)訓(xùn)練，預(yù)測(cè)，評(píng)價(jià)模型，
一個(gè)簡(jiǎn)單的事例如下：
from pandas import DataFrame
from pandas import DataFrame
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets,linear_model
X=[]
Y=[]
with open("C:\\Users\\www\\ex1data1.txt","r") as f: #讀取txt文件。
for line in f:
p_tmp, E_tmp = [float(i) for i in line.split(',')]
X.append(p_tmp)
Y.append(E_tmp)
#'data=np.loadtxt('ex1data1.txt',delimiter=',')
# X=data[0]
# Y=data[1]
data=DataFrame(X,columns={'a'})
data['b']=b
X=DataFrame(X)
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
plt.scatter(data['a'],data['b']) #顯示X，Y的散點(diǎn)圖
def linear_model_main(X,Y,predict_value): #定義一個(gè)使用線性回歸的函數(shù)
regr=linear_model.LinearRegression()
regr.fit(X,Y) #訓(xùn)練模型
predict_output=regr.predict(predict_value) #預(yù)測(cè)
predictions={} #用一個(gè)集合裝以下元素
predictions['intercept']=regr.intercept_ #截距
predictions['codfficient']=regr.coef_ #斜率（參數(shù)）
predictions['predict_value']=predict_output #預(yù)測(cè)值
return predictions
result = linear_model_main(X,Y,1500) #調(diào)用函數(shù)
print(result['predict_value'])
def show_predict(X,Y):
regr=linear_model.LinearRegression()
regr.fit(X,Y)
plt.scatter(X,Y,color='blue')
plt.plot(X,regr.predict(X),color='red')
show_predict(X,Y)
最后擬合結(jié)果如圖：
以上這篇python實(shí)現(xiàn)簡(jiǎn)單的單變量線性回歸方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了python生成九宮格圖片，利用Image類(lèi)將一張圖片分割成9張，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-11-11
Python unittest單元測(cè)試openpyxl實(shí)現(xiàn)過(guò)程解析
這篇文章主要介紹了Python unittest單元測(cè)試openpyxl實(shí)現(xiàn)過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05
如何利用Python將html轉(zhuǎn)為pdf、word文件
網(wǎng)絡(luò)上存在很多將HTML轉(zhuǎn)換為PDF的軟件和工具,但是大家都知道收費(fèi),所以下面這篇文章主要給大家介紹了關(guān)于如何利用Python將html轉(zhuǎn)為pdf、word文件的相關(guān)資料,文中通過(guò)示例代碼介紹介紹的非常詳細(xì),需要的朋友可以參考下2022-12-12
從零學(xué)Python之入門(mén)（二）基本數(shù)據(jù)類(lèi)型
這是繼“hello world”之后的第二篇入門(mén)級(jí)基礎(chǔ)知識(shí)，以后這個(gè)系列會(huì)按照入門(mén)、進(jìn)階、精通三個(gè)分類(lèi)進(jìn)行下去，歡迎高手們來(lái)拍磚2014-05-05
今天小編就為大家分享一篇關(guān)于Python多進(jìn)程fork()函數(shù)詳解，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2019-02-02
Python字符串特性及常用字符串方法的簡(jiǎn)單筆記
這篇文章主要介紹了Python字符串特性及常見(jiàn)字符串方法的簡(jiǎn)單筆記,為一些Pyhton入門(mén)學(xué)習(xí)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2016-01-01
基于Python實(shí)現(xiàn)簡(jiǎn)易的植物識(shí)別小系統(tǒng)
這篇文章主要介紹了利用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)易的植物識(shí)別系統(tǒng)，文中的示例代碼簡(jiǎn)潔易懂，對(duì)我們學(xué)習(xí)Python有一定的幫助，需要的小伙伴可以參考一下2021-12-12
這篇文章主要介紹了python如何制作微博圖片爬取工具，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2021-01-01
這篇文章主要介紹了為Python的web框架編寫(xiě)前端模版的教程,示例代碼基于Python2.x版本,需要的朋友可以參考下2015-04-04
Python學(xué)習(xí)之異常中的finally使用詳解
這篇文章主要為大家介紹一下Python異常語(yǔ)法中的另一個(gè)成員—finally，通過(guò)學(xué)習(xí)finally，可以幫助我們更好的處理異常，快來(lái)跟隨小編一起學(xué)習(xí)一下吧2022-03-03