2025-09-09 04:49:15
Установите последовательность программного кода:
- plt.xlabel("Feature_1 --- >") plt.ylabel("Target_Variable --- >")
- x, y = make_regression(n_samples=100, n_features=1, n_informative=1, noise=10, random_state=10)
- plt.scatter(x, y, s=30, marker='o')
- plt.title('Simple Linear Regression')
- import numpy as np import matplotlib.pyplot as plt from sklearn. datasets import make_regression
- y = y.reshape (100, 1)
- plt.show()
Другие предметы Университет Визуализация данных в машинном обучении машинное обучение университет программирование линейная регрессия sklearn matplotlib визуализация данных обучение моделей анализ данных код на Python
2025-09-09 04:49:26
Для корректного выполнения данного кода, который создает график простой линейной регрессии, необходимо установить правильную последовательность строк. Давайте разберем шаги по порядку:
- Импорт необходимых библиотек: Сначала необходимо импортировать все нужные библиотеки. Это позволит использовать функции и классы из них в нашем коде.
- Создание данных: Затем мы создаем набор данных с помощью функции
make_regression. Это будет наш набор признаков (x) и целевых переменных (y). - Преобразование целевой переменной: После создания данных, необходимо изменить форму целевой переменной y, чтобы она соответствовала нужному формату.
- Построение графика: Далее мы используем функцию
plt.scatterдля отображения точек на графике. Здесь мы указываем x и y, а также стиль маркера. - Добавление подписей и заголовка: После этого добавляем подписи к осям и заголовок графика с помощью
plt.xlabel,plt.ylabelиplt.title. - Отображение графика: В конце используем
plt.show()для отображения графика.
Теперь давайте расположим код в правильном порядке:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_regression
x, y = make_regression(n_samples=100, n_features=1, n_informative=1, noise=10, random_state=10)
y = y.reshape(100, 1)
plt.scatter(x, y, s=30, marker='o')
plt.title('Simple Linear Regression')
plt.xlabel("Feature_1 --- >")
plt.ylabel("Target_Variable --- >")
plt.show()
Таким образом, теперь код будет выполняться без ошибок и корректно отображать график простой линейной регрессии.