线性回归策略，优化，案例（正规方程代码）

最新推荐文章于 2024-04-27 16:59:54 发布

Nothenhe

最新推荐文章于 2024-04-27 16:59:54 发布

阅读量781

点赞数

本文链接：https://blog.csdn.net/Nothenhe/article/details/104661984

版权

损失函数（误差大小）

在这里插入图片描述

如何去求模型当中最合适的w使得误差最小？

最小二乘法只正规方程（不做要求）

在这里插入图片描述

最小二乘法只梯度下降（理解过程）

sklearn线性回归正规方程，梯度下降API

正规方程

sklearn.linear_model.linearRegression

梯度下降

sklearn.linear_model.SGDRegressor

波士顿房价数据集分析流程

波士顿地区房价数据获取
波士顿地区房价数据分割
训练集与测试机数据标准化处理
使用最简单的线性回归模型LinearREgression和梯度下降估计SGDREgressor对房价进行预测

利用正规方程求解boston房价预测

from sklearn.datasets import load_boston # 波士顿房价数据集使用API
from sklearn.linear_model import LinearRegression,SGDRegressor ##回归预测时使用的API
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler ## 标准化API
def myLinear():
    """线性回归直接预测房子价格"""
    # 获取数据
    lb=load_boston()
    # 分割数据集
    x_train,x_text,y_train,y_text=train_test_split(lb.data,lb.target,test_size=0.25)

    # 进行标准化处理
    std_x=StandardScaler()
    x_train=std_x.fit_transform(x_train)
    x_text=std_x.transform((x_text))
    #目标值
    std_y=StandardScaler()
    y_train=std_y.fit_transform(y_train)
    y_text=std_y.transform(y_text)
    #调用预测
    lr=LinearRegression()
    lr.fit(x_train,y_train)
    print(lr.coef_)
    # 预测测试集房子价格
    y_predict=std_y.inverse_transform(lr.predict(x_text))
    print("测试集每个房子的预测价格：",y_predict)
if __name__ == '__main__':
    myLinear()