Day19_【机器学习—线性回归 (1)】

一、线性回归简介

线性回归是 一种建模方式，即对一个或多个自变量(特征值)和因变量(目标值)之间的关系进行建模的一种分析方式

二、实现API

核心 API：sklearn.linear_model.LinearRegression

1. 导入

from sklearn.linear_model import LinearRegression

2. 创建模型

model = LinearRegression()

3. 训练模型：.fit(X, y)

model.fit(X_train, y_train)

4. 预测：.predict(X)

y_pred = model.predict(X_test)

5. 获取模型参数

print("权重（系数）:", model.coef_)       # 每个特征的斜率 w
print("截距:", model.intercept_)         # 偏置 b

6.完整示例代码 

from sklearn.linear_model import LinearRegression
import numpy as np# 示例数据
X = np.array([[1], [2], [3], [4], [5]])  # 特征（广告投入）
y = np.array([2, 4, 6, 8, 10])           # 目标（销售额）# 创建并训练模型
model = LinearRegression()
model.fit(X, y)# 预测
pred = model.predict()
print("预测值:", pred)           # [12.]
print("权重:", model.coef_)      # [2.]
print("截距:", model.intercept_) # 0.0