如何使用linear_model.LinearRegression()实现基于身高预测体重的线性回归模型？
- 内容介绍
- 文章标签
- 相关推荐
本文共计402个文字，预计阅读时间需要2分钟。
简单修改伪原创以下开头内容，不超过100字：
在这个瞬息万变的时代，创新成为推动社会发展的核心力量。然而，真正的创新并非易事，它需要深入挖掘问题，勇于突破常规，才能带来颠覆性的变革。
#创建数据集，把数据写入到numpy数组importnumpyasnp#引用numpy库，主要用来做科学importmatplotlib.pyplotasplt#引用matplot# 创建数据集，把数据写入到numpy数组import numpy as np #引用numpy库，主要用来做科学 import matplotlib.pyplot as plt #引用matplotlib库，主要用来画图data=np.array([[152,51],[156,53],[160,54],[164,55], [168,57],[172,62],[176,62],[180,65], [184,69],[188,72]])# 打印数组的大小print(data.shape)# 从data中提取出身高和体重，分别存放在x,y变量中x,y=data[:,0].reshape(-1,1),data[:,1]
注意： data[:,0]中添加了一个reshape的函数，主要的原因是在之后调用fit函数的时候对特征矩阵x是要求是矩阵的形式。
本文共计402个文字，预计阅读时间需要2分钟。
简单修改伪原创以下开头内容，不超过100字：
在这个瞬息万变的时代，创新成为推动社会发展的核心力量。然而，真正的创新并非易事，它需要深入挖掘问题，勇于突破常规，才能带来颠覆性的变革。
#创建数据集，把数据写入到numpy数组importnumpyasnp#引用numpy库，主要用来做科学importmatplotlib.pyplotasplt#引用matplot# 创建数据集，把数据写入到numpy数组import numpy as np #引用numpy库，主要用来做科学 import matplotlib.pyplot as plt #引用matplotlib库，主要用来画图data=np.array([[152,51],[156,53],[160,54],[164,55], [168,57],[172,62],[176,62],[180,65], [184,69],[188,72]])# 打印数组的大小print(data.shape)# 从data中提取出身高和体重，分别存放在x,y变量中x,y=data[:,0].reshape(-1,1),data[:,1]
注意： data[:,0]中添加了一个reshape的函数，主要的原因是在之后调用fit函数的时候对特征矩阵x是要求是矩阵的形式。