EJEMPLO DE REGRESION LINEAL

EJEMPLO DE REGRESION LINEAL

import numpy as np

import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression

# Datos de ejemplo

np.random.seed(42)

X = 2 * np.random.rand(100, 1)

y = 4 + 3 * X + np.random.randn(100, 1)

plt.scatter(X, y)

plt.title('Datos de ejemplo para regresión lineal')

plt.xlabel('Variable independiente (X)')

plt.ylabel('Variable dependiente (y)')

plt.show()

# Inicializar el modelo de regresión lineal

model = LinearRegression()

# Entrenar el modelo

model.fit(X, y)

# Generar datos para predecir

X_new = np.array([[0], [2]])

# Realizar predicciones

y_pred = model.predict(X_new)

plt.scatter(X, y, label='Datos de ejemplo')

plt.plot(X_new, y_pred, 'r-', label='Línea de regresión')

plt.title('Regresión Lineal')

plt.xlabel('Variable independiente (X)')

plt.ylabel('Variable dependiente (y)')

plt.legend()

plt.show()

print('Coeficiente (pendiente):', model.coef_)

print('Término independiente:', model.intercept_)

from sklearn.metrics import mean_squared_error

print('Error cuadrático medio:', mean_squared_error(y, model.predict(X)))