sklearn常用数据的使用
2024-09-06 11:01:38
from sklearn import datasets
from sklearn.linear_model import LinearRegression
#加载数据
loaded_data = datasets.load_boston()
data_X = loaded_data.data
data_Y = loaded_data.target
#是否需要对数据进行拆分
#定义模型
model = LinearRegression()
#训练
model.fit(data_X,data_Y) print(model.predict(data_X[:4,:]))
print(data_Y[:4])
from sklearn import datasets
import matplotlib.pyplot as plt X,Y = datasets.make_regression(n_samples=100,n_features=1,n_targets=1,noise=1)
plt.scatter(X,Y)
plt.show()
最新文章
- 嵌入式Linux驱动学习之路(二十三)NAND FLASH驱动程序
- percona-toolkit中在线ddl
- [Winform]DataGridView列自适应宽度
- windows phone版的一个儿教app
- 9.依赖(Dependence)
- Java常量和变量
- 【推荐】推荐一本学习ExtJS4的好书《ExtJS江湖》(含pdf电子书和源代码下载地址)
- Android使用Eclipse遇到";java.lang.ClassNotFoundException";
- UVA 10200 Prime Time (打表)
- Jmeter 后置处理器 BeanShell_PostProcessor 适用思考
- mysql-笔记-命名、索引规范
- oracle控制文件问题
- BDD数据集(mask_rcnn)1
- Struct2 (一)
- elastic-job 新手指南&;官网指南
- ftp 传输问题
- Spring Boot+MyBabits静态连接多个数据库
- Appium(Python)测试混血App
- UVA - 10589 构造最优化函数 DP好题
- LeetCode -- Longest Increasing Subsequence(LIS)