# -*- coding: utf-8 -*-"""Created on Fri Oct 11 19:25:11 2019"""from sklearn import datasets, linear_model # 引用 sklearn库，主要为了使用其中的线性回归模块# 创建数据集，把数据写入到numpy数组import numpy as np  # 引用numpy库，主要用来做科学计算import matplotlib.pyplot as plt   # 引用matplotlib库，主要用来画图data = np.array([[152,51],[156,53],[160,54],[164,55],                 [168,57],[172,60],[176,62],[180,65],                 [184,69],[188,72]])# 打印出数组的大小print(data.shape)# TODO 1. 实例化一个线性回归的模型model=linear_model.LinearRegression()# TODO 2. 在x,y上训练一个线性回归模型。 如果训练顺利，则regr会存储训练完成之后的结果模型x,y=data[:,0].reshape(-1,1),data[:,1]regr=model.fit(x,y)# TODO 3. 画出身高与体重之间的关系plt.scatter(x,y,color="red")# 画出已训练好的线条plt.plot(x, regr.predict(x), color='blue')# 画x,y轴的标题plt.xlabel('height (cm)')plt.ylabel('weight (kg)')plt.show() # 展示# 利用已经训练好的模型去预测身高为163的人的体重print ("Standard weight for person with 163 is %.2f"% regr.predict([[163]]))