sklearn.linear_model中的LinearRegression可实现线性回归
LinearRegression 的构造方法：
LinearRegression(
fit_intercept=True, #默认值为 True，表示 计算随机变量，False 表示不计算随机变量
normalize=False, #默认值为 False，表示在回归前是否对回归因子X进行归一化True 表示是 ,
copy_X=True
)
LinearRegression 的常用方法有：
•decision_function(X) #返回 X 的预测值 y •fit(X,y[,n_jobs]) #拟合模型 •get_params([deep]) #获取 LinearRegression 构造方法的参数信息 •predict(X) #求预测值 #同 decision_function 下面是一个简单的例子用来实现线性回归的预测练习1：使用Python实现下面输入与输出的线性回归
输入：[[0, 0], [1, 1], [2, 2]]——两个输入
输出：[0, 1, 2]
预测：[3, 3]
from sklearn.linear_model import LinearRegression lr = LinearRegression() lr.fit([[0,0],[1,1],[2,2]],[0,1,2]) print(lr.predict([[3,3]]))
