简单线性回归

           简单线性回归

从今日起,开始算法部分学习

  • 第一个算法,简单线性回归(Simple Linear Regressor)
  1. 原理:
    -- y = ax+b
  2. 学习
    • 这是最简单的线性相关,考查的是y和x之间的相互关系,a代表斜率,b代表截距,只要上过初中,就可以理解,无需多言,总体而言,y和x处于同一条直线附近.
1.jpg
       sklearn

  1. 当然可以利用Python自行实现,不过在现在的时代,各种算法框架层出不穷,实在没有必要舍近求远,sklearn足够好用.

  2. 导入
    from sklearn.linear_model import LinearRegression

  3. 实例化

model = LinearRegression()

  1. 训练

model.fit(X,y) #X为矩阵,y为list

  1. 预测

predict = model.predict(test)[0] #test为需要预测的值

        评估
  • 评估,可应用方差和协方差进行
  1. numpy计算方差

np.var(X,ddof=1) #ddof为指定类型

  1. 协方差
    • 首先将list(y) 变为array格式

np.cov(X.T,y)[0][1]

  • R指数是默认的评估方式

  • model.score(x,y)

总结

  • 简单线性回归较为简单,不必过度上心,快速进入下一环节:K-NN!
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容