sklearn.linear regression.꽃종류 별 회귀 선 그리기

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
# data 수집
iris=load_iris()

# column 컨트롤
col1=2
col2=3

# 전체 data에 대한 scatterplot graph
plt.scatter(iris.data[:,col1],iris.data[:,col2],c=iris.target,alpha=0.7)
X=iris.data[:,[col1]]
# 주의 : col1->[col1]
y=iris.data[:,col2]

# LinearRegression
model = LinearRegression()
# train
model.fit(X,y)
#predict
pred_y=model.predict(X)

# 선에 대한 x 범위 산출
xxx=np.array([X.min()-0.5,X.max()+0.5])

# 1차 방정식
yyy=model.coef_*xxx+model.intercept_
# 기울기 : w(weight)=coef_ ,절편 : b(ax+b)=intercept_

# 1차 방정식 graph
plt.plot(xxx,yyy,'b:',label='all')


#전체 데이터에 대한 평가지표
MSE=((y-pred_y)**2).mean()
RMSE=np.sqrt(MSE)
MAE=np.abs(y-pred_y).mean()
print(MSE,RMSE,MAE,model.score(X,y))
# 0.04228994631948424 0.20564519522586527 0.1572565947049201 0.9269012279220037


for i in range(3):
    X=iris.data[50*i:50*(i+1),[col1]]
    y=iris.data[50*i:50*(i+1),col2]
#     print([50*i,50*(i+1)])
#     [0, 50]
#     [50, 100]
#     [100, 150]

    model = LinearRegression()
    model.fit(X,y)
    xxx=np.array([X.min()-0.5,X.max()+0.5])
    yyy=model.coef_*xxx+model.intercept_
    # 기울기 : w(weight)=coef_ ,절편 : b(ax+b)=intercept_
    plt.plot(xxx,yyy,':',label=iris.target_names[i])
plt.legend()