Python-机器学习——谁都能看懂的一元线性回归，

机器学习------一元线性回归

用Python实现一元线性回归，求出披萨直径为20，30，40的价格。

一元线性回归感觉比较简单，为更好的分块没有用函数。详解见代码注释。

**import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
#首先创建一个坐标图
plt.figure()        #建立一块面板
plt.title('Pizza price vs Diameter')       标题
plt.axis([0,50,0,50])         #默认横坐标与纵坐标都是0-1
plt.xlabel('Diameter')        #纵坐标的题目
plt.ylabel('Price')          #横坐标的题目
plt.grid()                  #产生方格
#将训练集上的点画在坐标轴上
x_train=np.array([6,8,10,14,18])[:,np.newaxis]  #相当于化为矩阵变为列
y_train=np.array([7,9,13,17.5,18])
plt.plot(x_train,y_train,'r.')    #训练集通过点的形式在表中表示出来
#拟合出曲线
model=LinearRegression()      #创建模型对象  LinearRegression支持单变量和多变量回归。对于多变量回归
model.fit(x_train,y_train)    #根据训练集进行拟合
#预测披萨的价格：
xTest=np.array([20,30,40])[:,np.newaxis]
yTest = model.predict(xTest)
for i in ["披萨直径为20的预测价格：","披萨直径为30的预测价格：","披萨直径为40的预测价格："]:
    j=0
    print(i,yTest[j])
    j=j+1
hpy_train=model.predict(x_train)   #测试集通过回归曲线得出值
plt.plot(x_train,hpy_train,'b-')   #训练集回归直线的显示
plt.plot(xTest,yTest,'g*')    #测试集的显示
plt.show()#显示**

。