线性回归的scikit-learn实现

• fit(X_train,y_train):在训练集上训练模型
• predict(x):用训练好的模型来预测待预测的数据集X，返回测试集对应的标签y
• score(X_test,y_test):返回的是测试集上预测的决定系数R^2

# 导入模块
from sklearn.neighbors import KNeighborsClassifier
# 1.构造函数
x=[[1],[2],[3],[4]]
y=[0,0,1,1]
# 2.训练模型
# 2.1实例化一个估计器对象
estimator = KNeighborsClassifier(n_neighbors=3)

# 2.2调用fit方法，进行训练
estimator.fit(x,y)

# 3.数据预测
ret = estimator.predict([[2.51]])
print(ret)
# 可以这样理解，x是特征值，是dataframe形式理解为二维的[[]];
# y表示的目标值，可以表示为series，表示为一维数组[]
ret1 = estimator.predict([[2.52]])
print(ret1)
ret2 = estimator.predict([[1.50]])
print(ret2)

预测结果：