python怎么實現簡單的單變量線性回歸方法

這篇文章主要介紹了python怎么實現簡單的單變量線性回歸方法，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

線性回歸是機器學習中的基礎算法之一，屬于監督學習中的回歸問題，算法的關鍵在于如何最小化代價函數，通常使用梯度下降或者正規方程（最小二乘法），在這里對算法原理不過多贅述，建議看吳恩達發布在斯坦福大學上的課程進行入門學習。

這里主要使用python的sklearn實現一個簡單的單變量線性回歸。

sklearn對機器學習方法封裝的十分好，基本使用fit,predict,score，來訓練，預測，評價模型，

一個簡單的事例如下：

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的散點圖
 
def linear_model_main(X,Y,predict_value): #定義一個使用線性回歸的函數
 regr=linear_model.LinearRegression()
 regr.fit(X,Y)  #訓練模型
 predict_output=regr.predict(predict_value) #預測
 predictions={}        #用一個集合裝以下元素
 predictions['intercept']=regr.intercept_  #截距
 predictions['codfficient']=regr.coef_   #斜率（參數）
 predictions['predict_value']=predict_output  #預測值
 return predictions
 
result = linear_model_main(X,Y,1500)    #調用函數
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)

最后擬合結果如圖：

感謝你能夠認真閱讀完這篇文章，希望小編分享的“python怎么實現簡單的單變量線性回歸方法”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!