數據集，機器學習項目實戰——數據集與代碼-機器學習文檔類資源-CSDN文庫

采用的是一元線性回歸模型

import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split# 載入數據 data = np.genfromtxt('linear.csv', delimiter=',') # 畫圖 plt.scatter(data[1:,0],data[1:,1]) plt.title('Age Vs Quality (Test set)') plt.xlabel('Age') plt.ylabel('Quality') plt.savefig('葡萄酒數據的分布') plt.show()# 數據拆分 x_train, x_test, y_train, y_test = train_test_split(data[1:, 0], data[1:, 1], test_size = 0.3)# 1D->2D，給數據增加一個維度，主要是訓練模型的時候，函數要求傳入2維的數據 x_train = x_train[:, np.newaxis] x_test = x_test[:, np.newaxis]# 訓練模型 model = LinearRegression() model.fit(x_train, y_train)# 訓練集的散點圖 plt.scatter(x_train, y_train, color = 'b') # 模型對訓練集的預測結果 plt.plot(x_train,model.predict(x_train), color ='r' , linewidth=5) # 畫表頭和xy坐標描述 plt.title('Age Vs Quality (Training set)') plt.xlabel('Age') plt.ylabel('Quality') plt.savefig('訓練集的回歸線') plt.show()# 測試集的散點圖 plt.scatter(x_test, y_test, color = 'b') # 模型對測試集的預測結果 plt.plot(x_test,model.predict(x_test), color ='r', linewidth=5) # 畫表頭和xy坐標描述 plt.title('Age Vs Quality (Test set)') plt.xlabel('Age') plt.ylabel('Quality') plt.savefig('測試集的回歸線') plt.show()

葡萄酒的數據分布

?

總結

以上是生活随笔為你收集整理的机器学习项目实战——02回归算法之葡萄酒质量与时间的关系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。