任务一

标签：pre   weight   res   datasets   线性回归   可视化   idt   显示   了解   

第一次和机器学习打照面，还没学过python呢。除了领略到了机器学习的神奇之处，也在这个门槛上跌跌撞撞，结结实实地摔了跤吃了苦。往事开头难。

首先是安装，花了大半天，总是报错，哼，我已经截图保存制服它的证据了

初步了解了何为特征、标签、样本、模型、回归与分类（参考博客：https://blog.csdn.net/weixin_41445387/article/details/96024886）

身高体重问题

数据可视化可以更直观地观察数据特征

#创建数据集，写入numpy数组
import numpy as np    
import matplotlib.pyplot as plt 
from sklearn import datasets, linear_model
data=np.array([[152,51],[156,53],[160,54],[164,55],[168,57],[172,60],[176,62],[180,65],[184,69],[188,72]])
print(data.shape)
x,y=data[:,0].reshape(-1,1),data[:,1]
plt.scatter(x,y,color=‘black‘)
plt.xlabel(‘height (cm)‘) 
plt.ylabel(‘weight (kg)‘)
plt.show()

print(data.shape)  数组大小：10行，2列

然后，plt.show()  显示图片，//我简直刘姥姥进大观园，看啥都神奇，居然它就画出图了，虽然云里雾里，不知道发生了啥，反正很厉害的样子

plt.xlabel(‘height (cm)‘)     //横坐标显示 height (cm)

plt.ylabel(‘weight (kg)‘)     //纵坐标显示 weight (kg)

用一个线性回归模型来拟合身高-体重的数据

regr = linear_model.LinearRegression()
regr.fit(x,y)
plt.plot(x,regr.predict(x),color=‘blue‘)
plt.xlabel(‘height (cm)‘)
plt.ylabel(‘weight (kg)‘)
plt.show()
print("Standard weight for person with 163 is %.2f"%regr.predict([[163]]))

调用sklearn的线性模型，通过sklearn中的fit(x,y)来实现模型的训练

regr.predict([[163]])  用模型预测 [163] 的对应标签

%f 表示输出浮点型数    %.2f 表示小数点后保留两位

plt.plot()函数画出一条线

No，pain. No gain. 加油呀

任务一

标签：pre   weight   res   datasets   线性回归   可视化   idt   显示   了解   

原文地址：https://www.cnblogs.com/C-ch3-5/p/11830607.html