python多种方式求解线性回归

本文介绍了使用Python进行线性回归的三种方法:通过sklearn的linear_model模块,最小二乘法,以及梯度下降。讨论了数据生成,模型训练,以及结果可视化。同时,提到了最小二乘法的矩阵公式和梯度下降的迭代过程,强调了数据正态分布的假设。最后给出了相关理论的参考资料链接。
摘要由CSDN通过智能技术生成

数据

利用numpy生成20个二维的点(方便可视化)

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(10)
xTrain = np.linspace(0, 30, 20)
yTrain = xTrain * 3 + np.random.normal(0, 5, 20)
plt.figure()
plt.scatter(xTrain, yTrain)
plt.show()

结果如图所示:

利用sklearn中的linear_model模块生成线性回归模型

由于linear_model对变量\small x的格式要求为:[[0, 0], [1, 1], [2, 2]],与之相对应的\small y格式应为[0, 1, 2]。故需对xTrain做如下处理

xTrainSK = []
for i in xTrain:
    xTrainSK.append([i])

利用数据训练一个线性回归模型

  • 0
    点赞
  • 1
    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