怎么用sklearn学习简单的线性回归？

1、请安装anaconda的python3+，这里面已经自带了需要用到的模块，比如sklearn、scipy等模块。

2、这里要处理的问题是——

给定一组数据X和y

X = [[0,0],[1,1],[2,2]]

y = [0,1,2]

需要拟合一个二元函数f，使得：

f(X[i])=y[i]，其中，i=0,1,2

3、这里介绍一下用线性表达式来表示这个f，需要加载下面的模块：

from sklearn import linear_model

4、创建一个有待定系数的线性函数：

f = linear_model.LinearRegression()

5、准备数据：

X = [[0,0],[1,1],[2,2]]

y = [0,1,2]

6、拟合f，得到f的待定系数：

f.fit(X,y)

print(f.coef_)

7、知道了系数，就可以构造这个函数：

import numpy as np

a = f.coef_

def f(n):

    b = np.dot(np.array(n),a)

    return b

用这个函数来预测：

print(f([6,6]))

8、f得到的预测结果是64位的浮点数：

print(f([5,5]).dtype)

9、所以，这里需要在函数f的return的数据转一下数据类型：

def f(n):

    b = np.dot(np.array(n),a)

    return round(b).astype(np.int8)

四舍五入取整，再转化为int8类型的数据。