机器学习代码实战——线性回归(单变量)（Linear Regression）

1.实验目的

使用线性回归模型预测2020年加拿大公民的人均收入。

数据链接
密码:zc6h

2.导入必要模块并读取数据

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression    #导入线性回归模块
import matplotlib.pyplot as plt

df = pd.read_csv('canada_per_capita_income.csv')
df.head()

3.画当前数据分布散点图

%matplotlib inline
plt.scatter(df.year,df['per capita income (US$)'],color='red',marker='+')   #观看数据分布
plt.xlabel('year')
plt.ylabel('per capita income (US$)')

4.提取数据和标签

new_df = df.drop('per capita income (US$)',axis='columns')     #数据
new_df.head()

price = df['per capita income (US$)']    #标签
price.head()

5.训练+预测

reg = LinearRegression()    #实例化模型
reg.fit(new_df,price)     #训练

reg.predict([[2020]])     #预测2020年房价