Day 2 简单线性回归

简单线性回归：使用单一的特征来预测响应值。

任务：基于自变量来预测因变量，假设两个变量是线性相关的，尝试寻求一种线性函数能够根据特征或自变量X来精确预测响应值Y。

目的：找到最佳的拟合线，最小化预测误差（观测值Y_i和模型预测值Y_p之间的长度），即min{sum(y_i-y_p)²}

步骤：

一、数据预处理

　　1、导入需要的库

　　2、导入数据集

　　3、检查缺失的数据并补全

　　4、划分数据集为训练集和测试集

　　5、特征缩放

二、训练

　　使用简单线性回归模型来对训练集进行训练。调用sklearn.linear_model中的LinearRegression来进行线性回归模型的训练。LinearRegression中的fit方法可以对LinearRegression对象进

行训练。

三、预测

　　利用LinearRegression中的predict函数来预测响应值。

四、结果可视化

　　使用matplotlib中的pyplot函数分别用不同的颜色绘制训练集、测试集的数据点和预测函数。

 

标签：训练,响应值,回归,LinearRegression,函数,线性,Day,预测
来源： https://www.cnblogs.com/rainton-z/p/11620273.html