那我们如何在Python中实现呢? 利⽤Python强⼤的数据分析⼯具来处理数据。 Numpy提供了数组功能,以及对数据进⾏快速处理的函数。Numpy还是很多⾼级扩展库的依赖,⽐如Pandas,Scikit_Learn等都依赖于它。 Scikit_Learn扩展库,这是⼀个机器学习相关的库。它提供了完善的机器学习⼯具箱,包括数据预处理、分类、回归、预测等。
cd ~/Desktop/env_space
source flask_env/bin/activate
pip install scikit-learn==0.19.2
pip install numpy==1.16.3
pip install pandas==0.24.2
pip install scipy==1.2.1
pip install sklearn
from sklearn.linear_model import LinearRegression # 导⼊线性回归模型
regr = LinearRegression() # 建⽴线性回归模型
⽐如我们获取到的 时间 和 房屋单价 的数据如下: X = [[1], [2], [3], [4], [6], [7], [9]] # 时间 Y = [6450.0, 7450.0, 8450.0, 9450.0, 11450.0, 15450.0, 18450.0] # 房屋单价 根据获取时间和房屋单价,预测未来时间的房屋单价
from sklearn.linear_model import LinearRegression # 导⼊线性回归模型
# 线性回归进⾏预测
def linear_model_main(X_parameters, Y_parameters, predict_value):
regr = LinearRegression() # 建⽴线性回归模型
regr.fit(X_parameters, Y_parameters) # 训练模型
predict_outcome = regr.predict(predict_value) # 预测新样本
return predict_outcome # 返回预测值
if __name__ == '__main__':
# 数据源 x是序号 y是值 预测y的过去和未来的值
X = [[1], [2], [3], [4], [6], [7], [9]]
Y = [6450.0, 7450.0, 8450.0, 9450.0, 11450.0, 15450.0, 18450.0]
predictvalue = 3
result = linear_model_main(X, Y, predictvalue)
# 预测值
print("Predicted value: ", result)
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/171761.html原文链接:https://javaforall.cn