Scikit-Learn 回归教程

在这个教程中，我们将学习如何使用 Scikit-Learn 库进行回归分析。回归分析是一种预测连续值的统计方法，常用于预测房价、股票价格等。

安装 Scikit-Learn

首先，确保你已经安装了 Scikit-Learn。如果没有，可以通过以下命令进行安装：

pip install scikit-learn

简单线性回归

简单线性回归是最基本的回归模型，它使用一个自变量来预测一个因变量。

数据准备

import numpy as np
from sklearn.linear_model import LinearRegression

# 创建数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([1, 3, 2, 4, 5])

# 创建模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

预测

# 使用模型进行预测
y_pred = model.predict(np.array([6]).reshape(-1, 1))
print(y_pred)

多项式回归

多项式回归可以处理非线性关系。

数据准备

from sklearn.preprocessing import PolynomialFeatures

# 创建多项式特征
poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)

训练模型

# 创建并训练模型
model_poly = LinearRegression()
model_poly.fit(X_poly, y)

预测

# 使用多项式模型进行预测
y_pred_poly = model_poly.predict(poly.fit_transform(np.array([6]).reshape(-1, 1)))
print(y_pred_poly)

扩展阅读

想要了解更多关于 Scikit-Learn 的内容，可以访问我们的Scikit-Learn 教程页面。