linear_model.LinearRegression()线性回归之身高预测体重

# 创建数据集,把数据写入到numpy数组
import numpy as np   #引用numpy库,主要用来做科学 
import matplotlib.pyplot as plt #引用matplotlib库,主要用来画图
data=np.array([[152,51],[156,53],[160,54],[164,55],
              [168,57],[172,62],[176,62],[180,65],
              [184,69],[188,72]])
# 打印数组的大小
print(data.shape)
# 从data中提取出身高和体重,分别存放在x,y变量中
x,y=data[:,0].reshape(-1,1),data[:,1]
 注意: data[:,0]中添加了一个reshape的函数,主要的原因是在之后调用fit函数的时候对特征矩阵x是要求是矩阵的形式。

from sklearn import datasets, linear_model # 引用 sklearn库,主要为了使用其中的线性回归模块

# TODO 1. 实例化一个线性回归的模型
regr = linear_model.LinearRegression()
# TODO 2. 在x,y上训练一个线性回归模型。 如果训练顺利,则regr会存储训练完成之后的结果模型
regr.fit(x, y)
# TODO 3. 画出身高与体重之间的关系
plt.scatter(x, y, color='red')

# 画出已训练好的线条
plt.plot(x, regr.predict(x), color='blue')

# 在二维空间中画出身高和体重的分布图
plt.xlabel('height(cm)')
plt.ylabel('weight(kg)')
plt.show
# 利用已经训练好的模型去预测身高为163的人的体重
print ("Standard weight for person with 163 is %.2f"% regr.predict([[163]]))

结果

posted @ 2019-12-12 16:53  匹诺曹云  阅读(5483)  评论(0编辑  收藏  举报