机器学习---线性回归

这篇博客介绍了如何利用Matlab的diff命令进行求导,并在机器学习的线性回归问题中应用。通过示例展示了求解线性回归的偏导数,最终使用solve函数找到最小化误差的权重和截距。同时,也提到了Python中numpy库的zip函数理解和使用,以及等间距数组的生成方法。
摘要由CSDN通过智能技术生成

matlab求导命令diff调用格式:

diff(函数) , 求的一阶导数;

diff(函数, n) , 求的n阶导数(n是具体整数);

diff(函数,变量名), 求对的偏导数

eRDhw = diff(RDh, w)
eRDhb = diff(RDh, b)

diff(函数, 变量名,n) ,求对的n阶偏导数

sola=solve(a*x^2+b*x+c==0,a) %待求解的变量是a

ans = solve((eRDhw, eRDhb), (w, b))

import numpy as np

X = np.array([1.51, 1.64, 1.6, 1.73, 1.82, 1.87])

y = np.array([1.63, 1.7, 1.71, 1.72, 1.76, 1.86])

print(list(zip(X,y)))

for i in zip(X, y):

print(i)

对zip函数的理解 对遍历的理解 

print("----")

[(1.51, 1.63), (1.64, 1.7), (1.6, 1.71), (

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