python实现简单的线性回归

sklearn.linear_model中的LinearRegression可实现线性回归

LinearRegression 的构造方法：

LinearRegression(
    fit_intercept=True, #默认值为 True，表示 计算随机变量，False 表示不计算随机变量
    normalize=False, #默认值为 False，表示在回归前是否对回归因子X进行归一化True 表示是 ,
    copy_X=True
)

LinearRegression 的常用方法有：

•decision_function(X) #返回 X 的预测值 y

•fit(X,y[,n_jobs]) #拟合模型

•get_params([deep]) #获取 LinearRegression 构造方法的参数信息

•predict(X) #求预测值 #同 decision_function

下面是一个简单的例子用来实现线性回归的预测

练习1：使用Python实现下面输入与输出的线性回归

输入：[[0, 0], [1, 1], [2, 2]]——两个输入

输出：[0, 1, 2]

预测：[3, 3]

from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit([[0,0],[1,1],[2,2]],[0,1,2])

print(lr.predict([[3,3]]))