Machine Learning avec Scikit-Learn

112

Chapitre 4. Entraînement de modèles

Effectuer une régression linéaire avec Scikit-Learn est très simple

56

:

>>> from sklearn.linear_model import LinearRegression

>>> lin_reg = LinearRegression()

>>> lin_reg.fit(X, y)

>>> lin_reg.intercept_, lin_reg.coef_

(array([4.21509616]), array([[2.77011339]]))

>>> lin_reg.predict(X_new)

array([[4.21509616],

[9.75532293]])

La classe LinearRegression repose sur la fonction scipy.linalg.

lstsq()(le nom signie «least squares», c’est-à-dire «méthode des moindres

carrés»). Vous pourriez l’appeler directement ainsi :

>>> theta_best_svd, residuals, rank, s = np.linalg.lstsq(X_b, y, rcond=1e-6)

>>> theta_best_svd