⽤python预测⼩孩的⾝⾼_Python+sklearn使⽤线性回归算法
预测⼉童⾝⾼
rotation苹果版原标题：Python+sklearn使⽤线性回归算法预测⼉童⾝⾼
问题描述：⼀个⼈的⾝⾼除了随年龄变⼤⽽增长之外，在⼀定程度上还受到遗传和饮⾷以及其他因素的影响，本⽂代码中假定受年龄、性别、⽗母⾝⾼、祖⽗母⾝⾼和外祖⽗母⾝⾼共同影响，并假定⼤致符合线性关系。
importcopy
importnumpy asnp
fromsklearn importlinear_model
deflinearRegressionPredict(x, y):
lr = linear_model.LinearRegression()
# 拟合blog博客模板
lr.fit(x, y)
returnlr
# ⼉童年龄，性别（0⼥1男）,⽗亲⾝⾼，母亲⾝⾼，祖⽗⾝⾼，祖母⾝⾼，外祖⽗⾝⾼，外祖母⾝⾼
x = np.array([[1, 0, 180, 165, 175, 165, 170, 165],
[3, 0, 180, 165, 175, 165, 173, 165],
[4, 0, 180, 165, 175, 165, 170, 165],
[6, 0, 180, 165, 175, 165, 170, 165],
[8, 1, 180, 165, 175, 167, 170, 165],
[10, 0, 180, 166, 175, 165, 170, 165],
[11, 0, 180, 165, 175, 165, 170, 165],
[12, 0, 180, 165, 175, 165, 170, 165],
[13, 1, 180, 165, 175, 165, 170, 165],
[14, 0, 180, 165, 175, 165, 170, 165],
[17, 0, 170, 165, 175, 165, 170, 165]])
# ⼉童⾝⾼，单位：cm
y = np.array([60, 90, 100, 110,
130, 140, 150, 164,
160, 163, 168])
# 根据已知数据拟合最佳直线的系数和截距
lr = linearRegressionPredict(x, y)
threadlocal 怎么放多个变量# 查看最佳拟合系数
print('k:', lr.coef_)
# 截距
print('b:', lr.intercept_)
# 预测
xs = np.array([[10, 0, 180, 165, 175, 165, 170, 165],
[17, 1, 173, 153, 175, 161, 170, 161],
[34, 0, 170, 165, 170, 165, 170, 165]])
foritem inxs:
linux模拟器 windows
# 深复制，假设超过18岁以后就不再长⾼了
item1 = copy.deepcopy(item)
ifitem1[0] > 18:
item1[0] = 18
print(item, ':', lr.shape(1,-1)))
运⾏结果：
k: [ 8.03076923e+00 -4.65384615e+00 2.87769231e+00 -5.61538462e-01
7.10542736e-15 5.07692308e+00 1.88461538e+00 0.00000000e+00]儿童python入门教程
b: -1523.15384615
[ 10 0 180 165 175 165 170 165] : [ 140.56153846]
[ 17 1 173 153 175 161 170 161] : [ 158.41]
[ 34 0 170 165 170 165 170 165] : [ 176.03076923]
使⽤线性回归拟合平⾯最佳直线及预测之Python+sklearn实现
1、继《Python程序设计基础》（2017年9⽉第5次印刷）、《Python程序设计（第2版）》（2017年9⽉第4次印刷）、《Python可以这样学》（2017年7⽉第3次印刷）系列图书之后，董付国⽼师新书《Python程序设计开发宝典》已于2017年8⽉1⽇在清华⼤学出版社出版，并于2017年9⽉进⾏了第2
次印刷。为庆祝新书《Python程序设计开发宝典》，清华⼤学出版社联合“赣江图书专营新书上架期间超低价39.8元返回搜狐，查看更多入职日期计算工龄公式
责任编辑：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。