import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"c:\windows\fonts\msyh.ttc", size=10) #解決中文亂碼問題 def runplt():plt.figure()plt.title('匹薩價格與直徑數據', fontproperties=font)plt.xlabel('直徑(英寸)', fontproperties=font)plt.ylabel('價格(美元)', fontproperties=font)plt.axis([0, 25, 0, 25])plt.grid(True)return plt plt = runplt() X = [[6], [8], [10], [14], [18]] #直徑 y = [[7], [9], [13], [17.5], [18]] #價格 #plt.plot(X, y, 'k.')from sklearn.linear_model import LinearRegression model = LinearRegression() #線性回歸模型y = a + Bx model.fit(X, y) #訓練模型 result = model.predict(12) #12是需要預測的值，返回是預測值 print('截距值 $%.2f' % model.intercept_) print('系數 $%.2f' % model.coef_) print('預測一張12英寸匹薩的價格: $%.2f' % result )#plt = runplt() #plt.plot(X, y, 'k.') X2 = [[0], [10], [14], [25]] model = LinearRegression() model.fit(X, y) #訓練模型 y2 = model.predict(X2) #做出預測 plt.plot(X, y, 'k.') plt.plot(X2, y2, 'g-') plt.show()

參考資料：機器學習與量化投資

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的机器学习之线性回归 (Python SKLearn)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。