python sklearn 线性回归模型 模型评估
程序员文章站
2024-02-15 21:51:35
...
python sklearn 线性回归模型
文件下载
链接: https://pan.baidu.com/s/1UQydHMXQQAKiYdBc6VFbOA 提取码: wfde
"""
使用 sklearn 线性模型 线性回归
"""
import numpy as np
import matplotlib.pyplot as mp
import sklearn.linear_model as lm
import sklearn.metrics as sm
# 读取文本
x, y = np.loadtxt("./single.txt", delimiter=",", unpack=True)
# 整理输入集
x = x.reshape(-1, 1)
# 绘制散点
mp.figure("Linear Regression", facecolor="lightgray")
mp.title("Linear Regression", fontsize=16)
mp.grid(linestyle=":")
mp.scatter(x, y, s=70, color="dodgerblue", label="samples")
# 构建线性回归模型
model = lm.LinearRegression()
model.fit(x, y)
# 针对训练数据 得到结果
prd_y = model.predict(x)
mp.plot(x, prd_y, color="orangered", label="Predict")
mp.legend()
mp.tight_layout()
# 评估当前模型
print("平均绝对值误差:", sm.mean_absolute_error(y, prd_y))
print("平均平方误差:", sm.mean_squared_error(y, prd_y))
print("中位绝对值误差:", sm.median_absolute_error(y, prd_y))
print("R2得分:", sm.r2_score(y, prd_y))
mp.show()
上一篇: 堆和优先队列
下一篇: JavaScript 全局变量
推荐阅读
-
python sklearn 线性回归模型 模型评估
-
Python机器学习库sklearn里利用决策树模型进行回归分析的原理
-
线性回归(模型的评估)
-
【Python-ML】SKlearn库密度聚类DBSCAN模型
-
TensorFlow神经网络构造线性回归模型示例教程
-
python评价回归模型指标:决定系数R2,相关系数R,均方误差MSE,均方根误差RMSE
-
python实现感知机线性分类模型示例代码
-
PyTorch搭建一维线性回归模型(二)
-
python评价回归模型指标:决定系数R2,相关系数R,均方误差MSE,均方根误差RMSE
-
手写数字识别 ----Softmax回归模型官方案例注释(基于Tensorflow,Python)