Scikit-learn中怎么實(shí)現(xiàn)線性回歸

小億
102
2024-05-10 17:07:52

在Scikit-learn中，可以使用LinearRegression類(lèi)來(lái)實(shí)現(xiàn)線性回歸。下面是一個(gè)簡(jiǎn)單的示例代碼：

from sklearn.linear_model import LinearRegression
import numpy as np

# 創(chuàng)建一些示例數(shù)據(jù)
X = np.array([[1], [2], [3], [4]])
y = np.array([2, 4, 6, 8])

# 創(chuàng)建線性回歸模型
model = LinearRegression()

# 擬合模型
model.fit(X, y)

# 進(jìn)行預(yù)測(cè)
y_pred = model.predict([[5]])

print(y_pred)

在這個(gè)示例中，首先創(chuàng)建了一些示例數(shù)據(jù)X和y，然后創(chuàng)建了一個(gè)LinearRegression模型，并用fit方法擬合了這些數(shù)據(jù)。最后使用predict方法對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(cè)。

0 踩