线性回归代码实现

最新推荐文章于 2024-03-30 16:41:32 发布

幸福诗歌

最新推荐文章于 2024-03-30 16:41:32 发布

阅读量235

点赞数

分类专栏： AI

本文链接：https://blog.csdn.net/boke14122621/article/details/105031871

版权

本文介绍了线性回归的原理，重点讲解了最小二乘法和梯度下降的实现。通过实例展示了如何使用sklearn库进行一元和多元线性回归的训练。

摘要由CSDN通过智能技术生成

最小二乘法的理解

线性回归的原理

import numpy as np
import matplotlib.pyplot as plt
data = np.genfromtxt("data.csv",delimiter=",")
x_data  = data[:,0]
y_data  = data[:,1]
print(x_data.shape)
print(y_data.shape)
plt.scatter(x_data,y_data)
plt.xlabel('this is x')
plt.ylabel('this is y')
plt.title('this is a demo')
plt.show()

在这里插入图片描述
最小二乘法及梯度下降实现：

#learning rate 
lr = 0.0001

#截距
b = 0  
#斜率
k = 0  
#最大迭代次数
epochs  = 50  

#最小二乘法
def compute_error(b,k,x_data,y_data):
    totalError =  0
    for i in range(0,len(x_data)):
        totalError += (y_data[i]-(k*x_data[