sklearn 线性模型示例
时间: 2023-07-14 07:05:48 浏览: 139
当然可以!这里是一个简单的示例,展示了如何使用Scikit-learn库中的线性模型来进行回归任务:
```python
from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 创建一个线性回归数据集
X, y = make_regression(n_samples=100, n_features=1, noise=0.1)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)
```
这个示例中,我们使用`make_regression`函数生成了一个简单的线性回归数据集。然后,我们将数据集拆分为训练集和测试集,并使用`LinearRegression`类创建一个线性回归模型。接下来,我们使用训练集来训练模型,并在测试集上进行预测。最后,我们使用`mean_squared_error`函数计算预测值和真实值之间的均方误差。
希望这个示例能帮助到你!如果你有任何其他问题,请随时提问。
阅读全文
相关推荐
















