使用 scikit-learn
机器学习包实现最基础的线性回归模型。
安装 scikit-learn
包,或者 Anaconda
工具箱自带。
pip install scikit-learn
构建训练数据。
from random import randint
train_set_limit = 1000
train_set_count = 100
train_input = list()
train_output = list()
for i in range(train_set_count):
a = randint(0, train_set_limit)
b = randint(0, train_set_limit)
c = randint(0, train_set_limit)
y = a + (b * 2) + (c * 3)
train_input.append([a, b, c])
train_output.append(y)
线性回归模型使用训练集进行训练(fit
),然后针对给定的数据进行预测(predict
)。
from sklearn.linear_model import LinearRegression
predictor = LinearRegression(n_jobs=-1)
predictor.fit(X=train_input, y=train_output)
x_test = [[10, 20, 30]]
output = predictor.predict(x_test)
print("Output: {}\n Coefficients: {}".format(output, predictor.coef_)) # 系数
n_jobs
表示 CPU 使用的个数,默认为-1,代表使用全部CPU。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:机器学习笔记:一个最基础的线性回归例子 - Python技术站