【机器学习】线性回归的最小二乘法

本文通过Python展示了如何使用最小二乘法进行线性回归,详细介绍了计算过程,涉及线性代数知识,并提供了《机器学习实战》中案例的代码实现,通过散点图和回归模型图展示结果,强调了扎实的数学基础对于理解机器学习算法的重要性。
摘要由CSDN通过智能技术生成

一、问题阐述
紧接上篇,本文使用Python语言测试该算法。因此算法原理不再赘述。上篇博文已经提及损失函数J(θ),对其求关于θ的偏导数并令其等于0,得:
这里写图片描述
以下算法便用到此式。
计算过程涉及很多线性代数的定理,主要用到此式:
这里写图片描述
其中tr表示矩阵的迹(trace)。

二、代码实现

from numpy import *

# load data 导入数据
def loadDataSet(fileName):
    numFeat = len(open(fileName).readline().split('\t')) - 1
    dataMat = []; labelMat = []
    fd = open(fileName)
    for
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值