seo网站优化怎么做,网站建设免费建站,wordpress著名网站,懒人模板网站背景资料随着海拔高度的上升#xff0c;温度越来越低#xff0c;经过气象专家的研究#xff0c;在一定的海拔高度范围内#xff0c;高度和温度呈线性关系。现有一组实测资料#xff0c;我们需要对这些数据进行处理拟合#xff0c;获得此线性关系。解决思路采用sklearn库中…背景资料随着海拔高度的上升温度越来越低经过气象专家的研究在一定的海拔高度范围内高度和温度呈线性关系。现有一组实测资料我们需要对这些数据进行处理拟合获得此线性关系。解决思路采用sklearn库中的LinearRegression线性回归类进行拟合。代码# 导入所需的模块
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression# 已有数据
height [0.0, 500.0, 1000.0, 1500.0, 2000.0, 2500.0, 3000.0, 3500.0, 4000.0]
temperature [12.834044009405147, 10.190648986884316, 5.50022874963469, 2.8546651452636795, -0.7064882183657739, -4.065322810462405, -7.1274795772446575, -10.058878545913904, -13.206465051538661]# 数据处理
# sklearn 拟合输入输出一般都是二维数组这里将一维转换为二维。
height np.array(height).reshape(-1, 1)
temp np.array(temperature).reshape(-1, 1)# 拟合
reg LinearRegression()
reg.fit(height, temp)
a reg.coef_[0][0] # 系数
b reg.intercept_[0] # 截距
print(拟合的方程为Y %.6fX %.6f % (a, b))
# out: 拟合的方程为Y -0.006570X 12.718507# 可视化
prediction reg.predict(height) # 根据高度按照拟合的曲线预测温度值
plt.figure(海拔高度~温度关系曲线拟合结果, figsize(12,8))
plt.rcParams[font.family] [sans-serif] # 设置matplotlib 显示中文
plt.rcParams[font.sans-serif] [SimHei] # 设置matplotlib 显示中文
plt.xlabel(温度)
plt.ylabel(高度)
plt.scatter(temp, height, cblack)
plt.plot(prediction, height, cr)
plt.show()海拔高度~温度曲线拟合结果
