python机器学习入门上课代码记录2

sklearn 有关线性回归应用 

import  matplotlib.pyplot as plt
from sklearn import linear_model
# 画图函数
def drawplt():
    plt.figure()
    plt.title('Cost and Income of a Film')
    plt.xlabel('Cost (Million Yuan')
    plt.ylabel('Income')
    plt.axis([0, 25, 0, 60])
    plt.grid(True)
# 一元线性回归
x = [[6],[9],[12],[14],[16]]
y = [[9], [12], [29], [35], [59]]
model = linear_model.LinearRegression()
model.fit(x, y)
pred = model.predict([[20]])
w = model.coef_
b = model.intercept_
print('投资2千万的电影预计票房收入为：{:.2f}百万元'.format(pred[0,0]))
print('回归模型的系数是：', w[0,0])
print('回归模型的截距是：', b[0])
print('最佳拟合线：y = ', w[0,0], 'x',b[0])
# 画出拟合图
drawplt()
plt.plot(x, y, 'k.')
plt.plot([0,25], [b, 25*w+b],'b')

# 多元线性回归
x = np.array([[6,1,9], [9,3,12], [12,2,29], [14,3,35], [16,4,59]])
X = x[:, :-1]
Y = x[:, -1]
# 训练数据
model = linear_model.LinearRegression()
model.fit(X, Y)
w = model.coef_
b = model.intercept_
print('系数（w1, w2）为：', '(', w[0], w[1])
print('截距(b)为：', b)
# 预测
y_predict = model.predict([[10, 3]])
print('投资1千万、推广3百万的电影票房预测为：', y_predict[0])