這個直接fit好了,然后調用就可以啦。附一個我前段時間寫的多元線性回歸給你參考吧。
#多元線性回歸
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
python能做什么。from sklearn import preprocessing
import numpy as np
insfuelcon_std=pd.DataFrame(preprocessing.normalize(insfuelcon_date,norm='l2', axis=1, copy=True),columns=insfuelcon_date.columns)
X = insfuelcon_std.iloc[:,:-2]
y = insfuelcon_std.iloc[:,-2]
python 類、X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.2,random_state=1234)
reg = LinearRegression()
reg.fit(X_train,y_train)
print(reg.coef_) #輸出多元線性回歸的各項系數
print(reg.intercept_) #輸出多元線性回歸的常數項的值
python訓練模型?y_predict=reg.predict(X_test) #調用擬合好的模型進行預測,也就是你說的保存好的模型
另附一個模型評價
#模型評價
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
python仿真建模,from sklearn.metrics import r2_score #直接調用庫函數進行輸出R2
print(mean_squared_error(y_test,y_predict))
print(mean_absolute_error(y_test,y_predict))
print(r2_score(y_test,y_predict))
print(reg.score(X_test,y_test))
python可以建模嗎、print(reg.coef_) #輸出多元回歸算法的各個特征的系數矩陣
print(np.argsort(reg.coef_)) #輸出多元線性回歸算法各個特征的系數排序,可以知道各個特征的影響度
print(insfuelcon_date.columns[np.argsort(reg.coef_)]) #輸出各個特征按照影響系數從小到大的順序
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态