机器学习sklearn多元线性回归2
2017-03-07 15:31
274 查看
from __future__ import print_function from sklearn import datasets from sklearn.linear_model import LinearRegression loaded_data = datasets.load_boston() data_X = loaded_data.data data_y = loaded_data.target model = LinearRegression() model.fit(data_X, data_y) print(model.predict(data_X[:4, :])) # model.coef_表示的是x项前的参数,比如y=0.1x+3,model.coef_表示的是0.1, print(model.coef_) # model.intercept_表示的是截距,比如y=0.1x+3,model.intercept_表示的是3, print(model.intercept_) # 得到之前定义的参数 print(model.get_params()) # 对预测进行打分,用data_X预测的值和data_y进行对比 print(model.score(data_X, data_y))
相关文章推荐
- 吴恩达网易公开课_机器学习【第2课】笔记:线性回归,梯度,正规方程组
- 机器学习(七)线性回归、正规方程、逻辑回归的正规化
- 机器学习之线性回归
- 机器学习之线性回归python实现
- 【机器学习基础】线性回归基础
- scikit-learn机器学习(三)--逻辑回归和线性判别分析LDA
- 《机器学习》学习笔记(一):线性回归、逻辑回归
- 机器学习入门:线性回归及梯度下降
- 机器学习之线性回归(linear regression)
- 机器学习1_线性回归梯度下降算法
- 机器学习笔记一:线性回归
- 斯坦福大学机器学习课程二线性回归编程作业1
- 线性回归及梯度下降-机器学习1
- [置顶] 机器学习之线性回归
- 机器学习笔记四:线性回归回顾与logistic回归
- 线性回归与贝叶斯推理——漫谈机器学习
- 机器学习,线性回归关于梯度下降法和正规方程的流程
- 机器学习心得01 线性回归 linear regression
- 机器学习之线性回归
- 【机器学习】局部加权线性回归