← Каталог
Scikit-learn — регрессия и классификация — Регрессия — прогноз числа
Фрагмент из «Scikit-learn — регрессия и классификация»: Регрессия — прогноз числа.
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score
import numpy as np
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2.0, 4.1, 5.0, 4.2, 5.1])
model = LinearRegression()
model.fit(X, y)
pred = model.predict([[6]])
print(pred[0], model.coef_, model.intercept_)
print("MAE:", mean_absolute_error(y, model.predict(X)))
print("R²:", r2_score(y, model.predict(X)))from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score
import numpy as np
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2.0, 4.1, 5.0, 4.2, 5.1])
model = LinearRegression()
model.fit(X, y)
pred = model.predict([[6]])
print(pred[0], model.coef_, model.intercept_)
print("MAE:", mean_absolute_error(y, model.predict(X)))
print("R²:", r2_score(y, model.predict(X)))