标签：训练 响应值 回归 LinearRegression 函数 线性 Day 预测

简单线性回归：使用单一的特征来预测响应值。

任务：基于自变量来预测因变量，假设两个变量是线性相关的，尝试寻求一种线性函数能够根据特征或自变量X来精确预测响应值Y。

目的：找到最佳的拟合线，最小化预测误差（观测值Y_i和模型预测值Y_p之间的长度），即min{sum(y_i-y_p)²}

步骤：

一、数据预处理

　　1、导入需要的库

　　2、导入数据集

　　3、检查缺失的数据并补全

　　4、划分数据集为训练集和测试集

　　5、特征缩放

二、训练

　　使用简单线性回归模型来对训练集进行训练。调用sklearn.linear_model中的LinearRegression来进行线性回归模型的训练。LinearRegression中的fit方法可以对LinearRegression对象进

行训练。

三、预测

　　利用LinearRegression中的predict函数来预测响应值。

四、结果可视化

　　使用matplotlib中的pyplot函数分别用不同的颜色绘制训练集、测试集的数据点和预测函数。

标签：训练,响应值,回归,LinearRegression,函数,线性,Day,预测
来源： https://www.cnblogs.com/rainton-z/p/11620273.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。