线性回归算法实现(最小二乘法, 梯度下降)

本文介绍了线性回归算法的两种实现方法——最小二乘法和梯度下降法。首先通过最小二乘法计算得到直线参数,并展示了拟合数据点的过程。接着,利用梯度下降法优化直线参数,同样实现了数据的拟合,两者结果接近。文章提供了完整的代码实现链接。
摘要由CSDN通过智能技术生成

一、最小二乘法

import numpy as np;
import matplotlib.pyplot as plt;

初始化数据,网上随便找的数据, 说是奥运会100米短跑用时,以及对应的年份。

dataArray = np.array([[12, 1896], [11, 1900], [11, 1904], [10.8, 1908], [10.8, 1912], 
                      [10.8, 1920], [10.6, 1924], [10.8, 1928], [10.3, 1932], [10.3, 1936], 
                      [10.3, 1948], [10.5, 1956], [10.2, 1960], [10.0, 1964], [9.95, 1968], 
                      [10.14, 1972], [10.06, 1976], [10.25, 1980], [9.99, 1984], [9.92, 1988], 
                      [9.96, 1992], [9.84, 1996], [9.87, 2000], [9.85, 2004], [9.96, 2008]]);

显示一下数据,看是什么样的。

plt.scatter(dataArray[:, 1], dataArray[:, 0])
plt.show()

这里写图片描述
初始化X和Y, X为年份, Y为时间。


                
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