解决方案
采用Python scikit-learn库中提供的sklearn.linear_model.LinearRegression对象来进行线性拟合
思路
拟合出来的直线可以表示为:ℎ?(?)...([[0],[10],[14],[25]])
将待预测的数据放置在一个矩阵(或列向量)中,可以批量预测多个数据
结果
根据判别函数,绘制拟合直线,并同时显示训练数据点。...拟合的直线较好的穿过训练数据,根据新拟合的直线,可以方便的求出各个直径下对应的价格(预测结果)。...在通过训练数据得出了判别函数后,对于新的数据,如何评估该假设函数的表现呢?可以使用与训练数据不同的另一组数据(称为检验/测试数据)来进行评估。R方就是用来进行评估的一种计算方法。...[8,1],[10,0],[14,2],[18,0]])
针对测试数据的预测结果,其R方约为0.77,已经强于单变量线性回归的预测结果
''' 使用LinearRegression进行多元线性回归 ''