前言

第二天的还是CV，这一次直接用作者的代码和数据集没有问题。

数据集和代码都可以从下面的github开源项目中获取。

参考

github英文：https://github.com/Avik-Jain/100-Days-Of-ML-Code

github中文翻译版：https://github.com/Avik-Jain/100-Days-of-ML-Code-Chinese-Version

作者源代码

#第一步 数据预处理
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdataset = pd.read_csv('studentscores.csv')
X = dataset.iloc[ : ,   : 1 ].values
Y = dataset.iloc[ : , 1 ].valuesfrom sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split( X, Y, test_size = 1/4, random_state = 0) 
#第二步 训练集使用简单线性回归模型来训练
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)
#第三步 预测结果
Y_pred = regressor.predict(X_test)
#第四步 可视化
#训练集结果可视化
plt.scatter(X_train , Y_train, color = 'red')
plt.plot(X_train , regressor.predict(X_train), color ='blue')
plt.show()
#测试集结果可视化
plt.scatter(X_test , Y_test, color = 'red')
plt.plot(X_test , regressor.predict(X_test), color ='blue')
plt.show()

结果