机器学习100天-简单线性回归 [代码实现细节分析]

预测学生 学习时间 与 考试分数 之间的关系
原始数据：

（1）导入python包，加载.csv文件中的数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dataset = pd.read_csv('studentscores.csv')
X = dataset.iloc[:,:1].values
Y = dataset.iloc[:,1].values

（2）将数据以3：1的比例分为训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X,Y,test_size = 1/4, random_state = 0)

（3）训练线性回归模型：利用训练集训练归回预测器，最后得到一个理想的预测器regressor

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

（4）测试

Y_pred = regressor.predict(X_test)

（5）可视化训练集上的结果：
plt.scatter画散点图
plt.plot画曲线图

plt.scatter(X_train, Y_train, color = 'red')
plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.show()

（6）可视化测试集上的结果：

plt.scatter(X_test, Y_test, color = 'red')
plt.plot(X_test, regressor.predict(X_test), color = 'blue')
plt.show()

简单线性回归模型

标签：plt,color,regressor,test,细节,train,线性,import,100
来源： https://blog.csdn.net/STILLxjy/article/details/86497958