使用乙個線性回歸模型來擬合身高 體重的資料

1、建立資料集

#引用sklearn庫，為了使用其中的線性回歸模組

from sklearn.linear_model import linearregression
#引用numpy庫，做科學計算
import numpy as np 
#引用matplotlib庫，用來畫圖
import matplotlib.pyplot as plt
#建立資料集，把資料寫入到numpy陣列
data = np.array([[
152,51]
,[156,53]
,[160,54]
,[164,55]
,[168,57]
,[172,60]
,[176,62]
,[180,65]
,[184,69]
,[188,72]
])#列印出陣列的大小
print
(data.shape)

由於在呼叫的sklearn裡封裝好的一些模型來建模時，對訓練資料的輸入x要求是二維陣列，所以需要對資料進行變形。如下所示：

x,y = data[:,

0].reshape(-1
,1),data[:,
1]

-1是指未設定行數，程式隨機分配

reshape(-1,1)表示（任意行，1列）

相當於：

x = data[:,

0].reshape(-1
,1)y = data[:,
1]

#例項化乙個線性回歸的模型

regr = linearregression(
).fit(x,y)
# fit() 用來分析模型引數
#在x,y上訓練乙個線性回歸模型。若訓練順利，則regr會儲存訓練完成後的結果模型
regr.score(x,y)

# 畫出已訓練好的線條

plt.plot(x, regr.predict(x)
, color=
'blue'
)#畫x,y軸的標題
plt.xlabel(
'height (cm)'
)plt.ylabel(
'weight (kg)'
)plt.show(
)# 展示

利用訓練好的模型輸入身高去**體重

height =

int(
input
("input your height>>>"))
print
("standard weight for person with %d is %.2f"
%(height, regr.predict(
[[height]])
))

貪心學院機器學習課程筆記

3 使用Keras 神經網路來擬合非線性模型

import keras import numpy as np import matplotlib.pyplot as plt sequential按順序構成的模型 from keras.models import sequential dense全連線層 from keras.layers imp...

TensorFlow實現乙個簡單線性回歸的例子

1 author wsx 2import tensorflow as tf 3import numpy as np 4import matplotlib.pyplot as plt 56 x data np.linspace 0.5,0.5,200 np.newaxis 0.5 0.5 之間產生20...

簡單線性回歸（乙個特徵）學習筆記

假設這樣當給出新的 目標 x 和 y 都是已知的 需要求出 a 斜率 b 截距。最小二乘法 最小二乘法 又稱最小平方法 是一種數學優化技術。它通過最小化誤差的平方和尋找資料的最佳函式匹配。誤差的平方 將損失函式。最小二乘法 稱這個損失函式為 對 就是根據推到得到，當 通過傳入 x train y t...