机器学习 |
您所在的位置:网站首页 › 求拟合直线的目的 › 机器学习 |
什么是机器学习? 百度百科上说:“机器程序从经验E中学习解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验而提高。” 我自己认为机器学习就是让机器用现有的数据和算法,得出参数。从而得到可以直接使用的模型。 机器学习一般可以分为两类:有监督学习和无监督学习。 那什么是线性回归呢?线性回归是一种x和y之间的关系为线性关系的回归分析,而回归分析就是一种因变量为连续值得监督学习。 用数据拟合一条直接是线性数据回归模拟最简单的形式了。所以要从最简单的一元线性回归开始学习。 问题用所学知识用下面数据获得最佳拟合直线(如下图) 可以用Scikit-Learn的LinearRegression评估器来拟合数据, 并获得最佳拟合直线。 二、使用步骤 1.引入库代码如下: from sklearn.linear_model import LinearRegression #线性回归,导入scikit-learn包 2.创建模拟代码如下: model = LinearRegression(fit_intercept=True) #创建一个类的实例LinearRegression,它将代表回归模型。fit_intercept参数为True代表计算截距 3.创建测试数据代码如下: model.fit(x[:,np.newaxis],y) #model.fit()中x,y和模拟定义时的inputs,outputs形状一致 #np.newaxis->插入新维度,假如x是一个(5,)的数组,x[:,np.newaxis]->就变为(5,1)的二维数组 xfit = np.linspace(0,10,1000) #即,将0-10分成1000份 yfit = model.predict(xfit[:,np.newaxis]) #model.predict输入测试数据,预测结果 4.生成最佳拟合直线代码如下: plt.scatter(x,y) #生成一个散点图 plt.plot(xfit,yfit); #生成拟合直线图片如下: 代码如下: print(model.coef_[0]) #查看拟合直线的斜率 print(model.intercept_) #查看拟合直线的截距结果如下: 拟合结果与真实值非常接近 总结 以上就是拟合一条线性直线的讲解(如果对你理解线性回归确实有帮助的话,帮忙点个赞,同时也欢迎指出问题) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |