diff options
| author | schneefux <schneefux+commit@schneefux.xyz> | 2016-03-13 18:31:29 +0100 |
|---|---|---|
| committer | schneefux <schneefux+commit@schneefux.xyz> | 2016-03-13 18:31:29 +0100 |
| commit | c190cef2867b1815cfeeea93a2d60b82298da469 (patch) | |
| tree | 859113538ffd50595d90369007b047320537d2cc /linear.py | |
| parent | 0d6e932c643bd24be4986769de072ec2d18bcbba (diff) | |
| download | boston-neuralnet-c190cef2867b1815cfeeea93a2d60b82298da469.tar.gz boston-neuralnet-c190cef2867b1815cfeeea93a2d60b82298da469.zip | |
rename
Diffstat (limited to 'linear.py')
| -rw-r--r-- | linear.py | 31 |
1 files changed, 0 insertions, 31 deletions
diff --git a/linear.py b/linear.py deleted file mode 100644 index 4f57970..0000000 --- a/linear.py +++ /dev/null @@ -1,31 +0,0 @@ -#!/usr/bin/python3 -from sklearn.datasets import load_boston -from sklearn.linear_model import LinearRegression -from sklearn.cross_validation import train_test_split -import numpy as np - -# Ein gleicher Wert SEED bei der linearen Regression -# und bei der Implementierung des kNN bewirkt, -# dass Trainings- und Testreihe gleich sind -# und damit das Ergebnis vergleichbar. -SEED = 42 -np.random.seed(SEED) - -# Datenreihe laden und in Trainings- und Testreihe aufteilen -data = load_boston() -X_train, X_test, y_train, y_test = train_test_split( - data.data, data.target, train_size=0.85) - -# Die lineare Regression auf die Trainingsdaten anwenden -model = LinearRegression() -model.fit(X_train, y_train) - -# Die Testdaten vorhersagen -prediction = model.predict(X_test) -# Das Quadrat aller Differenzen berechnen -mse = np.mean([ - (y_test[n] - prediction[n]) ** 2 - for n in range(len(prediction)) -]) - -print(mse) |
