91av视频/亚洲h视频/操亚洲美女/外国一级黄色毛片 - 国产三级三级三级三级

資源簡(jiǎn)介

文檔內(nèi)容是關(guān)于機(jī)器學(xué)習(xí)課程期末大作業(yè),用Python實(shí)現(xiàn),代碼全,文檔詳細(xì),需要的可以下載

資源截圖

代碼片段和文件信息

#?導(dǎo)入數(shù)值計(jì)算庫(kù)
import?numpy?as?np
#?導(dǎo)入科學(xué)計(jì)算庫(kù)
import?pandas?as?pd
#導(dǎo)入機(jī)器學(xué)習(xí)linear_model庫(kù)
from?sklearn?import?linear_model
#導(dǎo)入交叉驗(yàn)證庫(kù)
from?sklearn?import?model_selection
#導(dǎo)入圖表庫(kù)
import?matplotlib.pyplot?as?plt
#讀取數(shù)據(jù)
datalist?=?pd.read_csv(‘lineardata.csv‘)
X?=?datalist.iloc[?:????:?1?].values
Y?=?datalist.iloc[?:??1?].values
print(datalist)
#格式調(diào)整
X?=?np.array(datalist[[‘month‘]])#將月份數(shù)設(shè)為自變量X
Y?=?np.array(datalist[‘PM2.5‘])#PM2.5設(shè)為因變量Y
X.shapeY.shape?#查看自變量和因變量的行數(shù)

#設(shè)置圖表字體為華文細(xì)黑,字號(hào)11
plt.rc(‘font‘?family=‘STXihei‘?size=11)
#繪制散點(diǎn)圖,月份數(shù)X,PM2.5Y,設(shè)置顏色,標(biāo)記點(diǎn)樣式和透明度等參數(shù)
plt.scatter(XY30color=‘red‘marker=‘x‘linewidth=2alpha=0.8)
plt.xlabel(‘月份‘)#添加x軸標(biāo)題
plt.ylabel(‘PM2.5值‘)#添加y軸標(biāo)題
plt.title(‘2017年月份與PM2.5關(guān)系分析‘)#添加圖表標(biāo)題
#設(shè)置背景網(wǎng)格線顏色,樣式,尺寸和透明度
plt.grid(color=‘#95a5a6‘linestyle=‘--‘?linewidth=1axis=‘both‘a(chǎn)lpha=0.4)
plt.show()#顯示圖表

#劃分?jǐn)?shù)據(jù)
X_train?X_test?y_train?y_test?=?model_selection.train_test_split(X?Y?test_size=0.25?random_state=0)
#查看訓(xùn)練集數(shù)據(jù)的行數(shù)
print(‘訓(xùn)練集的行數(shù):‘)
print(X_train.shapey_train.shape)
#將訓(xùn)練集代入到線性回歸模型中
clf?=?linear_model.LinearRegression()
clf.fit?(X_trainy_train)
clf.coef_#線性回歸模型的斜率
clf.intercept_#線性回歸模型的截距

#判定系數(shù)R
clf.score(X_trainy_train)
print(‘判定系數(shù)R:‘)
print(clf.score(X_trainy_train))

#顯示測(cè)試集的因變量
print(‘測(cè)試集因變量:‘)
print(list(y_test))
#將測(cè)試集的自變量代入到模型預(yù)測(cè)因變量
pred?=?list(clf.predict(X_test))
print(‘預(yù)測(cè)集因變量:‘)
print(pred)
#訓(xùn)練結(jié)果的可視化
plt.scatter(X_train??y_train?color?=?‘red‘)
plt.plot(X_train??clf.predict(X_train)?color?=‘blue‘)
plt.show()
#測(cè)試結(jié)果的可視化
plt.scatter(X_test??y_test?color?=?‘red‘)
plt.plot(X_test??clf.predict(X_test)?color?=‘green‘)
plt.show()
#計(jì)算誤差平方和
print(‘誤差平方和:‘)
print(((y_test?-?clf.predict(X_test))?**2).sum())
#返回預(yù)測(cè)性能得分
print(‘Score:%.2f‘%clf.score(X_testy_test))


?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-12-10?17:42??2016218735_常利\
?????文件?????????182??2018-12-09?13:47??2016218735_常利\lineardata.csv
?????文件????????2311??2018-12-10?16:20??2016218735_常利\linear_regression.py
?????文件?????????583??2018-12-10?10:25??2016218735_常利\logisticdata.csv
?????文件????????3276??2018-12-10?16:22??2016218735_常利\logistic_regression.py
?????文件?????????782??2018-12-10?13:17??2016218735_常利\poly_regression.py
?????文件????????2059??2018-12-07?16:23??2016218735_常利\weather-data.py
?????文件??????718828??2019-07-23?10:38??2016218735_常利\工程報(bào)告.doc
?????文件???????15215??2018-12-09?17:59??2016218735_常利\空氣質(zhì)量檢測(cè).xlsx

評(píng)論

共有 條評(píng)論

相關(guān)資源