创建一个简单的机器学习模型

使用随机创建的数据集在Python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 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)

机器学习模型–线性回归

可以通过两个步骤创建模型：
1.用训练数据训练模型
2.使用测试数据测试模型

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了正确的结果。

# 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

Outcome : [ 140.]
Coefficients : [ 1. 2. 3.]