当前位置：首页 > news >正文

人工智能-机器学习之多元线性回归（项目实践一）

news 2026/4/6 23:15:17

目标：运用scikit-learn进行多元线性回归方程的构建，通过实际案例的训练集和测试集进行预测，最终通过预测结果和MSE来评估预测的精度。

一、首先安装scikit-learn：pip install scikit-learn

C:\Users\CMCC\PycharmProjects\AiProject> pip install scikit-learn

二、项目实战：糖尿病预测，你的健康守护者！

from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split#加载糖尿病数据集
diabetes=datasets.load_diabetes()
x=diabetes.data
y=diabetes.targetprint("多元的参数集是:")
print(x)
print("结果集是：")
print(y)#将数据集拆分为训练集和测试集,测试集占20%，训练集占80%
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)#创建一个多元线性回归算法对象
lr=LogisticRegression()#使用训练集训练模型
lr.fit(x_train,y_train)#使用测试集进行结果的预测
y_pred_test=lr.predict(x_test)
y_pred_train=lr.predict(x_train)print("测试集的预测结果是：")
print(y_pred_test)
print("训练集的预测结果是：")
print(y_pred_train)#打印模型的均方差，只保留两位的小数点，分别对于训练集和测试集的均方差进行对比，越小越好，证明越预测得准确
print("均方差：%.2f" % mean_squared_error(y_train ,y_pred_train))
print("均方差：%.2f" % mean_squared_error(y_test ,y_pred_test))多元的参数集是:
[[ 0.03807591  0.05068012  0.06169621 ... -0.00259226  0.01990842-0.01764613][-0.00188202 -0.04464164 -0.05147406 ... -0.03949338 -0.06832974-0.09220405][ 0.08529891  0.05068012  0.04445121 ... -0.00259226  0.00286377-0.02593034]...[ 0.04170844  0.05068012 -0.01590626 ... -0.01107952 -0.046879480.01549073][-0.04547248 -0.04464164  0.03906215 ...  0.02655962  0.04452837-0.02593034][-0.04547248 -0.04464164 -0.0730303  ... -0.03949338 -0.004219860.00306441]]
结果集是：
[151.  75. 141. 206. 135.  97. 138.  63. 110. 310. 101.  69. 179. 185.118. 171. 166. 144.  97. 168.  68.  49.  68. 245. 184. 202. 137.  85.131. 283. 129.  59. 341.  87.  65. 102. 265. 276. 252.  90. 100.  55.61.  92. 259.  53. 190. 142.  75. 142. 155. 225.  59. 104. 182. 128.52.  37. 170. 170.  61. 144.  52. 128.  71. 163. 150.  97. 160. 178.48. 270. 202. 111.  85.  42. 170. 200. 252. 113. 143.  51.  52. 210.65. 141.  55. 134.  42. 111.  98. 164.  48.  96.  90. 162. 150. 279.92.  83. 128. 102. 302. 198.  95.  53. 134. 144. 232.  81. 104.  59.246. 297. 258. 229. 275. 281. 179. 200. 200. 173. 180.  84. 121. 161.99. 109. 115. 268. 274. 158. 107.  83. 103. 272.  85. 280. 336. 281.118. 317. 235.  60. 174. 259. 178. 128.  96. 126. 288.  88. 292.  71.197. 186.  25.  84.  96. 195.  53. 217. 172. 131. 214.  59.  70. 220.268. 152.  47.  74. 295. 101. 151. 127. 237. 225.  81. 151. 107.  64.138. 185. 265. 101. 137. 143. 141.  79. 292. 178.  91. 116.  86. 122.72. 129. 142.  90. 158.  39. 196. 222. 277.  99. 196. 202. 155.  77.191.  70.  73.  49.  65. 263. 248. 296. 214. 185.  78.  93. 252. 150.77. 208.  77. 108. 160.  53. 220. 154. 259.  90. 246. 124.  67.  72.257. 262. 275. 177.  71.  47. 187. 125.  78.  51. 258. 215. 303. 243.91. 150. 310. 153. 346.  63.  89.  50.  39. 103. 308. 116. 145.  74.45. 115. 264.  87. 202. 127. 182. 241.  66.  94. 283.  64. 102. 200.265.  94. 230. 181. 156. 233.  60. 219.  80.  68. 332. 248.  84. 200.55.  85.  89.  31. 129.  83. 275.  65. 198. 236. 253. 124.  44. 172.114. 142. 109. 180. 144. 163. 147.  97. 220. 190. 109. 191. 122. 230.242. 248. 249. 192. 131. 237.  78. 135. 244. 199. 270. 164.  72.  96.306.  91. 214.  95. 216. 263. 178. 113. 200. 139. 139.  88. 148.  88.243.  71.  77. 109. 272.  60.  54. 221.  90. 311. 281. 182. 321.  58.262. 206. 233. 242. 123. 167.  63. 197.  71. 168. 140. 217. 121. 235.245.  40.  52. 104. 132.  88.  69. 219.  72. 201. 110.  51. 277.  63.118.  69. 273. 258.  43. 198. 242. 232. 175.  93. 168. 275. 293. 281.72. 140. 189. 181. 209. 136. 261. 113. 131. 174. 257.  55.  84.  42.146. 212. 233.  91. 111. 152. 120.  67. 310.  94. 183.  66. 173.  72.49.  64.  48. 178. 104. 132. 220.  57.]
测试集的预测结果是：
[72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.]
训练集的预测结果是：
[72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.72. 72. 72. 72. 72. 72. 72. 72. 72. 72. 72.]
均方差：12075.22
均方差：13446.11

人工智能-机器学习之多元线性回归（项目实践一）

目标：运用scikit-learn进行多元线性回归方程的构建，通过实际案例的训练集和测试集进行预测，最终通过预测结果和MSE来评估预测的精度。一、首先安装scikit-learn：pip install scikit-learn C:\Users\CMCC\PycharmProjects\AiPro…...

编程日记 2025/1/10 17:49:46

后台定时查杀进程策略

2019年做的一个500元价位内手机后台定时查杀的功能策略，现在2025年了回过头看，确实已经不适用了。现在进程管控大部分是不杀进程的方式了，类似冻结(类似苹果的墓碑机制)，而杀进程策略主要是场景式异常查杀了，例如明显性…...

编程日记 2025/1/10 17:48:45

Objective-C语言的学习路线

Objective-C语言的学习路线在程序开发的历史长河中，Objective-C作为一种继承自C语言与Smalltalk的编程语言，扮演着重要的角色。虽然随着Swift语言的出现，Objective-C的使用有所减少，但它依然是iOS和macOS应用开发的重要基础&…...

编程日记 2025/1/10 17:46:43

宁德时代2025年Verify入职测评语言理解及数字推理真题SHL题库汇总、考情分析

宁德时代社招Verify入职测评对薪酬有着重要影响，其规定正确率达到80%才能顺利通过测评。这体现了公司对人才专业素养与能力的严格要求，旨在筛选出真正符合岗位需求的优秀人才。测评内容涵盖了专业知识、技能运用、逻辑思维等多方面，只有综合能…...

编程日记 2025/1/10 17:45:42

【Spring】注入方式

介绍在Spring框架中，依赖注入（Dependency Injection, DI）是实现控制反转（Inversion of Control, IoC）的核心机制。除了通过XML配置的注入方式（已逐渐被淘汰），Spring还支持多种基…...

编程日记 2025/1/10 17:42:35

Python 中的作用域：规则与应用

在 Python 编程中，作用域（Scope） 是指一个变量可以被访问和引用的范围。作用域与变量的生命周期密切相关，决定了变量何时被创建、何时被销毁以及在哪些地方可以使用它。理解作用域对于编写清晰、可维护的代码至关重要。 Python 中…...

编程日记 2025/1/10 17:39:32

T-SQL语言的字符串处理

T-SQL语言的字符串处理引言在数据库管理和应用开发中，我们经常需要对字符串进行处理。字符串的处理包括查找、替换、分割、拼接以及格式化等操作，而这些操作在SQL Server中可以通过T-SQL（Transact-SQL）来实现。T-SQL是微软SQL…...

编程日记 2025/1/10 17:38:31

宇航用VIRTEX5系列FPGA的动态刷新方法及实现

SRAM型FPGA在宇航领域有广泛的应用，为解决FPGA在空间环境中的单粒子翻转问题，增强设计的可靠性，本文介绍一种低成本的抗辐照解决方案。该方案从外置高可靠存储器中读取配置数据，通过定时刷新结合三模冗余的方式消除单粒子影响&…...

编程日记 2025/1/10 17:37:30

Flink提交任务通过Kerberos认证 Clouera官网地址： https://docs.cloudera.com/csa/1.7.0/security/topics/csa-securing-jobs.html Securing Apache Flink jobs flink run -d -p 2 \ -yD security.kerberos.login.keytabtest.keytab \ -yD security.kerberos.lo…...

编程日记 2025/1/10 17:33:26

【linux】文件与目录命令 - cp

文章目录 1. 基本用法2. 常用参数3. 用法举例4. 注意事项 cp 命令用于复制文件或目录，支持单个文件复制、多文件复制以及目录的递归复制，是 Linux 系统中常用的文件管理命令之一。 1. 基本用法语法： cp [选项] 源文件目标文件 cp [选项] …...

编程日记 2025/1/10 17:32:24

鸿蒙--登入案例

实现要求： 在账户和密码的输入框输入账号或密码时，提交按钮下方同步出现输入的账户和密码 Entry Component struct login {State username:string State password:string build() {Column(){// 图标Image($r(app.media.app_icon)).width(100).height(…...

编程日记 2025/1/10 17:31:23

【JavaWeb】EL表达式

目录 1.EL表达式概述 2.EL表达式运算 3.EL表达式操作对象 4.EL表达式内置对象 4.1.参数隐藏对象 4.2.域隐藏对象 4.3.PageContext对象 1.EL表达式概述 EL（Expression Language）是一门表达式语言，它对应<% ... %>。在JSP中&…...

编程日记 2025/1/10 17:30:22

Angular由一个bug说起之十三：Cross Origin

跨域想要了解跨域，首要要了解源什么是源，源等于协议加域名加端口号只有这三个都相同，才是同源，反之则是非同源。比如下面这四个里，只有第4个是同源而浏览器给服务器发送请求时，他们的源一样&#xff0…...

编程日记 2025/1/10 17:28:20

WEB前端-2

目录 HTML-常见的网页标签-分类2 语义化标签列表标签表单标签 form标签 input标签 select标签 textarea标签 html转义符 h5提供的新标签【例3：豆瓣电影】【源码】【例4：登录注册】【源码】【例5：QQ注册】【源码】 H…...

编程日记 2025/1/10 17:27:18

高斯混合模型 (Gaussian Mixture Model, GMM) 算法详解与PyTorch实现

高斯混合模型 (Gaussian Mixture Model, GMM) 算法详解与PyTorch实现目录高斯混合模型 (Gaussian Mixture Model, GMM) 算法详解与PyTorch实现1. 高斯混合模型 (GMM) 算法概述1.1 高斯分布1.2 GMM的优势2. GMM的核心技术2.1 模型定义2.2 参数估计2.3 损失函数3. PyTorch实现G…...

编程日记 2025/1/10 17:25:16

web作业

作业一 <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8"> <meta name"viewport" content"widthdevice-width, initial-scale1.0"> <title>Document</title> </head&g…...

编程日记 2025/1/10 17:23:14

Tauri教程-基础篇-第一节 Tauri项目创建及结构说明

“如果结果不如你所愿，就在尘埃落定前奋力一搏。”——《夏目友人帐》 “有些事不是看到了希望才去坚持，而是因为坚持才会看到希望。”——《十宗罪》 “维持现状意味着空耗你的努力和生命。”——纪伯伦 Tauri 技术教程 * 第四章 Tauri的基础教程第一节…...

编程日记 2025/1/10 17:20:10

计算机网络之---物理层标准与协议

常见的物理层标准 1. IEEE 802 标准 IEEE 802 是一系列定义局域网和城域网通信协议的标准，其中许多标准涉及到物理层的技术细节： IEEE 802.3 (Ethernet)：定义了以太网的物理层规范，规定了如何通过电缆（例如同轴电缆…...

编程日记 2025/1/10 17:18:06

Idea日志乱码

问题描述前提：本人使用windows Idea运行sh文件，指定了utf-8编码，但是运行过程中还是存在中文乱码 Idea的相关配置都已经调整字体调整为雅黑文件编码均调整为UTF-8 调整Idea配置文件但是还是存在乱码，既然Idea相关配置已经…...

编程日记 2025/1/10 17:15:02

tk GMV MAX素材范围投放指南

Product GMy Max素材范围说明 Product GMy Max能自动获取带有相关商品锚点链接（无论是单个锚点还是多个锚点）的视频，并将其用于推广特定商品的广告素材，前提是这些视频已经获得广告授权。然而，请注意，多个…...

编程日记 2025/1/10 17:14:01

算法与数据结构精讲：最大子段和（暴力 / 优化 / 分治）+ 线段树从入门到实战

前言最大子段和是最经典的入门题之一；而线段树则是处理区间查询、区间更新的高级数据结构，是进阶必备。本文将基于我提供的完整代码，分两大部分精讲：最大子段和问题：暴力 O (n) → 优化 O (n) → 分治 O (nlogn)线段树…...

编程新知 2026/4/6 22:11:07

3大核心功能提升50%英雄联盟操作效率的开源工具

3大核心功能提升50%英雄联盟操作效率的开源工具【免费下载链接】League-Toolkit An all-in-one toolkit for LeagueClient. Gathering power 🚀. 项目地址: https://gitcode.com/gh_mirrors/le/League-Toolkit 你是否曾在排位赛中因手速慢错过最佳英雄选择时…...

编程新知 2026/4/6 21:46:13

Windows环境下Oracle 11g快速部署与优化配置指南

1. Windows下Oracle 11g安装前的准备工作在开始安装Oracle 11g之前，我们需要做好充分的准备工作。首先，确保你的Windows系统满足最低硬件要求：至少2GB内存（推荐4GB以上）、10GB可用磁盘空间（实际需要根据数…...

编程新知 2026/4/6 20:21:18

实测560Mbps！基于ZYNQ的SFP光口以太网性能优化全记录（含PetaLinux配置）

实测560Mbps！基于ZYNQ的SFP光口以太网性能优化全记录（含PetaLinux配置） 在嵌入式系统设计中，高速以太网通信一直是提升整体性能的关键环节。特别是当项目需要远距离、抗干扰的数据传输时，SFP光口方案往往成为工程师的首…...

编程新知 2026/4/6 19:22:53

QMCDecode终极解决方案：突破QQ音乐加密格式限制的完全指南

QMCDecode终极解决方案：突破QQ音乐加密格式限制的完全指南【免费下载链接】QMCDecode QQ音乐QMC格式转换为普通格式(qmcflac转flac，qmc0,qmc3转mp3, mflac,mflac0等转flac)，仅支持macOS，可自动识别到QQ音乐下载目录，默…...

编程新知 2026/4/6 18:11:51

前端 SEO 优化与图片 SEO 优化的关系是什么_如何利用前端框架进行 SEO 优化

前端 SEO 优化与图片 SEO 优化的关系是什么？ 在当今的互联网时代，搜索引擎优化（SEO）已经成为了任何网站想要获得高流量的关键步骤。前端 SEO 优化与图片 SEO 优化在这其中扮演着至关重要的角色。尽管它们看起来独立存在&#xff…...

编程新知 2026/4/6 16:49:12

OpenClaw成本警报：gemma-3-12b-it的Token消耗监控与限额设置

OpenClaw成本警报：gemma-3-12b-it的Token消耗监控与限额设置 1. 为什么需要关注Token消耗？ 上周我的OpenClaw自动化流程突然中断，检查日志发现是gemma-3-12b-it模型的API调用达到了限额。更让我后怕的是，如果这个限额不存在&…...

编程新知 2026/4/6 16:22:54

保姆级教程：用Python的face_recognition库，5分钟搞定人脸检测+特征点标记

零基础玩转Python人脸识别：5分钟实现智能美颜与表情分析记得第一次接触人脸识别技术时，我盯着手机相册里自动分类的人物相册发了半天呆——这玩意儿到底是怎么认出我换了发型还长了胡子的？作为Python初学者，你可能觉得这种"…...

编程新知 2026/4/6 15:30:24

开源多人游戏解决方案：Nucleus Co-op让单机游戏秒变多人派对

开源多人游戏解决方案：Nucleus Co-op让单机游戏秒变多人派对【免费下载链接】splitscreenme-nucleus Nucleus Co-op is an application that starts multiple instances of a game for split-screen multiplayer gaming! 项目地址: https://gitcode.com/gh_mirro…...

编程新知 2026/4/6 14:37:58

RePKG：5分钟掌握Wallpaper Engine资源提取与转换的终极指南

RePKG：5分钟掌握Wallpaper Engine资源提取与转换的终极指南【免费下载链接】repkg Wallpaper engine PKG extractor/TEX to image converter 项目地址: https://gitcode.com/gh_mirrors/re/repkg RePKG是一款专为Wallpaper Engine用户设计的开源工具&#x…...

编程新知 2026/4/6 13:33:05

相关文章：