使用线性回归拟合平面最佳直线及预测之Python+sklearn实现

本文代码采用sklearn扩展库实现，使用线性回归算法解决下面的问题：根据平面上已知3个点的坐标，拟合最佳直线斜率k和截距b，然后根据拟合的结果对给出的x坐标进行预测，得到y坐标。

from sklearn import linear_model

def linearRegressionPredict(x, y): lr = linear_model.LinearRegression() # 拟合 lr.fit(x, y) return lr

# 平面上三个点的x轴坐标 x = [[1], [5], [7]] # 平面上三个点的y轴坐标 y = [[3], [100], [120]]

# 根据已知3个点拟合最佳直线的系数和截距 lr = linearRegressionPredict(x, y) # 查看最佳拟合系数 print('k:', lr.coef_) # 截距 print('b:', lr.intercept_)

# 测试代码，预测 xs = [[[3]], [[5]], [[7]], [[10]]] for item in xs: print(item, ':', lr.predict(item))

运行结果：

k: [[ 20.17857143]] b: [-13.10714286] [[3]] : [[ 47.42857143]] [[5]] : [[ 87.78571429]] [[7]] : [[ 128.14285714]] [[10]] : [[ 188.67857143]]