创建一个简单的机器学习模型 _数据结构

使用随机创建的数据集在Python中创建线性回归模型。
线性回归模型
线性回归极客
生成训练集

# 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 dataitems 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)

机器学习模型–线性回归
【创建一个简单的机器学习模型】可以通过两个步骤创建模型：
1.
训练
训练数据模型
2.
测验
具有测试数据的模型
训练模型
使用上面的代码创建的数据用于训练模型

# 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)

测试数据
测试是手动完成的。可以使用一些随机数据进行测试, 并测试模型是否为输入数据提供正确的结果。

# 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))

以上提供的测试数据的结果应为：
10 + 20 * 2 + 30 * 3 = 140。
输出如下