机器学习笔记（二）——一元线性回归（sklearn）

本博客仅用于个人学习，不用于传播教学，主要是记自己能够看得懂的笔记（

利用Python中的sklearn库可以更轻松地构建模型，不用写繁琐的代码。sklearn库可以直接用pip下载。

学习知识、资源和数据来自：机器学习算法基础-覃秉丰_哔哩哔哩_bilibili

本次使用的数据可见：机器学习笔记（一）——一元线性回归（梯度下降法） - Lcy的瞎bb - 博客园 (cnblogs.com)

Python代码如下：

import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
import numpy as np

#从文件中导入数据
data=np.genfromtxt('C:/Users/Lenovo/Desktop/学习/机器学习资料/线性回归以及非线性回归/data.csv',delimiter=',')
x_data=data[:,0,np.newaxis] #增加一个维度，使其变成矩阵，方便代入模型进行矩阵运算
y_data=data[:,1,np.newaxis]

#构建模型，代入运算
model=LinearRegression()
model.fit(x_data,y_data)

#画图
plt.plot(x_data,y_data,'b.') # 'b.'可使图像呈现蓝色点状
plt.plot(x_data,model.predict(x_data),'r') # model.predict()是利用所得的一元线性回归模型进行预测
plt.show()

输出结果：

简单吧。