机器学习5线性回归算法
2021-02-09 07:17
标签：构建 tps 梯度 nbsp linear values read on() bsp 1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 （1）思维导图 （2）回归算法 （3）梯度下降 （4）损失函数 2.思考线性回归算法可以用来做什么？ 可以处理回归问题：例如房价预测，温度预测等 也可以处理分类问题：例如天气预测等 3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取 线性回归模型通过面积预测租房价格 预测后模型结果 原数据 机器学习5线性回归算法 标签：构建 tps 梯度 nbsp linear values read on() bsp 原文地址：https://www.cnblogs.com/renshenbenzuig/p/12752514.html
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
df = pd.read_csv(‘./201706120024陈圳锐(处理后).csv‘,encoding="utf-8")#读取文件
plt.rcParams[‘font.sans-serif‘] = ‘SimHei‘# 设置中文显示
#散点图
plt.figure(figsize=(12,8)) #设置画布
x = df[[‘面积‘]].values
y = df[‘租金‘].values
plt.scatter(x,y,color="green",s=5.0)#散点模型
plt.title("广州房屋面积对广州二手房价的影响")
#构建线性模型模型
LR_model=LinearRegression()
LR_model.fit(x,y)
#绘制线性方程
plt.plot(x, LR_model.predict(x),color="blue")
plt.xlabel(‘面积(单位：平米)‘)#X轴
plt.ylabel(‘租金（元）‘)#Y轴
plt.title(‘面积对租房价格的影响‘)
plt.show()
