資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚學
法學使用 Matplotlib/Numpy 線性迴歸
為了獲得線性迴歸圖，我們可以使用 sklearn 的線性迴歸類，並且可以繪製散點圖。
步驟
使用 np.random.random((20, 1)) 獲取 x 資料。在半開區間[20, 1)內返回隨機浮點數。
使用 np.random.normal() 方法獲取 y 資料。從正態（高斯）分佈中抽取隨機樣本。
獲取普通最小二乘法線性迴歸，即 model。
擬合線性模型。
使用 linspace() 方法，在指定區間內返回均勻間隔的數字。
使用預測() 方法，使用線性模型預測。
建立一個新圖形，或啟用一個現有的圖形，使用給定的 figsize 元組 (4, 3)。
使用 axes() 方法，將一個軸新增到當前圖形並將其設為當前軸。
使用不同標記大小和/或顏色繪製 *y* 與 *x* 的散點圖。
使用從第 5 步和第 6 步獲得的 x_new 和 y_new 繪製直線。
使用 plt.xlabel() 方法設定 x 軸標籤。
使用 plt.ylabel() 方法設定 y 軸標籤。
使用 ax.axis('tight') 調整軸屬性。
要顯示圖片，請使用 plt.show() 方法。
示例
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
x = 30 * np.random.random((20, 1))
y = 0.5 * x + 1.0 + np.random.normal(size=x.shape)
model = LinearRegression()
model.fit(x, y)
x_new = np.linspace(0, 30, 100)
y_new = model.predict(x_new[:, np.newaxis])
plt.figure(figsize=(4, 3))
ax = plt.axes()
ax.scatter(x, y)
ax.plot(x_new, y_new)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.axis('tight')
plt.show()輸出
更新於：2021 年 3 月 16 日
9K+ 瀏覽量
廣告