實際上線性模型不是指某一個模型，而是一類模型。在機器學習領域裡，常用的線性模型包括線性模型、鄰回歸、套索回歸、邏輯回歸和線性SVC。

第1個知識點：用Python表示一條直線y=0.5x 3

import numpy as np import matplotlib.pyplot as plt x=np.linspace(-5,5,10)#設置x是-5到5之間的等差數列 y=0.5*x 3 plt.plot(x,y,c='orange')#線條設置成橙色 plt.title("straight line")#設置圖形的标題 plt.show()

第2個知識點：已知2個點的坐标（1，3）、（4，5）畫一條直線

import numpy as np from sklearn.linear_model import LinearRegression x=[[1],[4]] y=[3,5] lr=LinearRegression().fit(x,y) z=np.linspace(0,5,20) plt.scatter(x,y,s=80) plt.plot(z,lr.predict(z.reshape(-1,1)),c='k') #穿過（1，3）、（4，5）點的直線方程 print('y={:.3f}'.format(lr.coef_[0]),'x',' {:.3f}'.format(lr.intercept_))#這個是y與x的表達式 plt.title("straight line") plt.show()

第3個知識點：已知3個坐标（1，3）、（4，5）、（3，3）畫一條直線

#3個點的 import numpy as np from sklearn.linear_model import LinearRegression x=[[1],[4],[3]] y=[3,5,3] lr=LinearRegression().fit(x,y) z=np.linspace(0,5,20) plt.scatter(x,y,s=80) plt.plot(z,lr.predict(z.reshape(-1,1)),c='k') plt.title("straight line") plt.show() print("y={:.3f}".format(lr.coef_[0]),'x',' {:.3f}'.format(lr.intercept_))

第4個知識點：多個坐标點确定一條直線

#多個坐标 from sklearn.datasets import make_regression from sklearn.linear_model import LinearRegression import numpy as np x,y=make_regression(n_samples=50,n_features=1,n_informative=1,noise=50,random_state=1) reg=LinearRegression() reg.fit(x,y) z=np.linspace(-3,3,200).reshape((-1,1)) plt.scatter(x,y,c='b',s=60) plt.plot(z,reg.predict(z),c='k') plt.title("LinearRegression") plt.show() print("y={:.3f}".format(reg.coef_[0]),'x',' {:.3f}'.format(reg.intercept_))

以上是學習到的線性模型其中一種線性模型。用來回歸數據，求系數還是很有用處的。比基本的回歸方式。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!