Cree un modelo de regresión lineal en Python utilizando un conjunto de datos creado aleatoriamente.
Modelo
de regresión lineal Geeks de regresión lineal para geeks
Generación del conjunto de entrenamiento
# 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)
Modelo de aprendizaje automático: regresión lineal
El modelo se puede crear en dos pasos:
1. Entrenar el modelo con datos de entrenamiento
2. Probar el modelo con datos de prueba
Entrenamiento del modelo
Los datos que se crearon con el código anterior se utilizan para entrenar el modelo
# 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)
Prueba de los datos
La prueba se realiza manualmente. Las pruebas se pueden hacer usando algunos datos aleatorios y probando si el modelo da el resultado correcto para los datos de entrada.
# 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))
El resultado de los datos de prueba proporcionados anteriormente debe ser 10 + 20*2 + 30*3 = 140.
Salida
Outcome : [ 140.] Coefficients : [ 1. 2. 3.]
Publicación traducida automáticamente
Artículo escrito por Prateek Bajaj y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA