线性回归
概括而言,线性模型就是对输入特征加权求和,再加上一个我们称为偏置项(也称为截距项)的常数。
线性回归公式:
向量化:
回归模型的MSE成本函数:
标准方程
求解成本函数最小的参数的解方法:
代码示例
import numpy as np
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)
# 使用sklearn的函数来获取MNIST数据集
from sklearn.datasets import fetch_openml
import numpy as np
import os
# to make this notebook's output stable across runs
np.random.seed(42)
# To plot pretty figures
%matplotlib inline
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rc('axes', labelsize=14)
mpl.rc('xtick', labelsize=12)
mpl.rc('ytick', labelsize=12)
plt.plot(X, y