创建一个简单的机器学习模型

使用随机创建的数据集在Python中创建线性回归模型。
 
线性回归模型
线性回归极客
 
生成训练集
 
filter_none
编辑
play_arrow
 
亮度_4
# python library to generate random numbers 
from random import randint 
  
# the limit within which random numbers are generated 
TRAIN_SET_LIMIT = 1000
  
# to create exactly 100 data items 
TRAIN_SET_COUNT = 100
  
# list that contains input and corresponding output 
TRAIN_INPUT = list() 
TRAIN_OUTPUT = list() 
  
# loop to create 100 data  items with three columns each 
for i in range(TRAIN_SET_COUNT): 
    a = randint(0, TRAIN_SET_LIMIT) 
    b = randint(0, TRAIN_SET_LIMIT) 
    c = randint(0, TRAIN_SET_LIMIT) 
  
# creating the output for each data item 
    op = a + (2 * b) + (3 * c) 
    TRAIN_INPUT.append([a, b, c]) 
  
# adding each output to output list 
    TRAIN_OUTPUT.append(op) 
机器学习模型–线性回归
 
可以通过两个步骤来创建模型:
1.用训练数据训练模型
2.用测试数据测试模型
 
 
 
 
训练模型
使用上述代码创建的数据用于训练模型
 
filter_none
编辑
play_arrow
 
亮度_4
# Sk-Learn contains the linear regression model 
from sklearn.linear_model import LinearRegression 
  
# Initialize the linear regression model 
predictor = LinearRegression(n_jobs =-1) 
  
# Fill the Model with the Data 
predictor.fit(X = TRAIN_INPUT, y = TRAIN_OUTPUT) 
测试数据
测试是手动完成的。可以使用一些随机数据进行测试,并测试模型是否为输入数据提供正确的结果。
 
filter_none
编辑
play_arrow
 
亮度_4
# Random Test data 
X_TEST = [[ 10, 20, 30 ]] 
  
# Predict the result of X_TEST which holds testing data 
outcome = predictor.predict(X = X_TEST) 
  
# Predict the coefficients 
coefficients = predictor.coef_ 
  
# Print the result obtained for the test data 
print('Outcome : {}\nCoefficients : {}'.format(outcome, coefficients)) 
以上提供的测试数据的结果应该是,10 + 20×2 + 30 * 3 = 140
输出
 
结果:[140.]
系数:[1. 2. 3.]
 
18215660330
179001057@qq.com