LA1=lassoregression(20,1) #当a的值从0开始增大时,其拟合曲线的模型会越来越平直,慢慢会接近一条直线,区别于岭回归的曲线,这是由LASSO正则化数学式子决定的 LA1.fit(x_train,y_train) y11=LA1.predict(x_test) print(mean_squared_error(y11,y_test)) plt.figure() plt.scatter(X,y) x1=np.linspa...
datasets_Y.append(float(items[-1])) model=LinearRegression() model.fit(datasets_X, datasets_Y)#加载测试数据,这儿直接用的训练数据X_test =datasets_X y_test=datasets_Y predictions=model.predict(X_test)fori, predictioninenumerate(predictions):print('Predict_value: %s, True_value: %s'%(predicti...
SKlearn 机器学习工具包提供了丰富的线性模型学习方法,最重要和应用最广泛的无疑是普通最小二乘法(Ordinary least squares,OLS),此外多项式回归(Polynomial regression)、逻辑回归(Logistic Regression)和岭回归(Ridge regression)也较为常用,将在本文及后续文中介绍。其它方法相对比较特殊,以下根据官网介绍给出简要说明,...
SKlearn 机器学习工具包提供了丰富的线性模型学习方法,最重要和应用最广泛的无疑是普通最小二乘法(Ordinary least squares,OLS),此外多项式回归(Polynomial regression)、逻辑回归(Logistic Regression)和岭回归(Ridge regression)也较为常用,将在本文及后续文中介绍。其它方法相对比较特殊,以下根据官网介绍给出简要说明,...
importnumpyasnp importmatplotlib.pyplotasplt fromsklearn.linear_modelimportLinearRegression fromsklearn.preprocessingimportPolynomialFeatures # 设置随机种子数 rnd=np.random.RandomState(42)# 设置随机种子数 x=rnd.uniform(-3,3,size=100) y=np.sin(x)...
y_pred=logreg.predict(X_test)# 计算准确率 accuracy=accuracy_score(y_test,y_pred)print(f"Accuracy: {accuracy}") 四、回归算法 回归算法是用于预测连续数值输出的监督学习算法。下面是一些常用的回归算法: 线性回归(Linear Regression): 线性回归用于建立连续数值输出与一个或多个输入特征之间的线性关系。
('log_reg', LogisticRegression()) ]) poly_log_reg = PolynomialLogisticRegression(degree=2) poly_log_reg.fit(X_train, y_train) 看一下训练得到的结果: poly_log_reg.score(X_train, y_train) """ 输出:0.91333333333333333 """ poly_log_reg.score(X_test, y_test) ...
LinearRegression() 类的主要方法: fit(X,y[,sample_weight])用样本集(X, y)训练模型。sample_weight 为每个样本设权重,默认None。 get_params([deep])获取模型参数。注意不是指模型回归系数,而是指fit_intercept,normalize等参数。 predict(X)用训练的模型预测数据集 X 的输出。即可以对训练样本给出模型输出结...
(X, y) # 预测并绘制结果 X_test = np.linspace(-3, 3, 100).reshape(-1, 1) y_pred = poly_reg.predict(X_test) plt.scatter(X, y, color='blue', label='Data') plt.plot(X_test, y_pred, color='red', label='Polynomial Regression') plt.xlabel('X') plt.ylabel('y') plt....
(1)线性回归(Linear Regression) (2)逻辑回归(Logistic Regression) (3)多项式回归(Polynomial Regression) (4)逐步回归(Stepwise Regression) (5)岭回归(Ridge Regression) (6)套索回归(Lasso Regression) (7)弹性回归(ElasticNet Regression) 详细介绍回归分析的文章:你应该掌握的 7 种回归模型!