机器学习——线性回归详解

本文详细介绍了线性回归模型,包括标准方程的解析和使用Scikit-Learn库进行线性回归的实现。通过生成函数测试数据,展示线性回归如何拟合数据,并计算得到接近期望的参数。同时,文章还探讨了线性回归的最小二乘解法及其在预测中的应用。
摘要由CSDN通过智能技术生成

本文使用标准方程,scikit包,以及伪逆对线性回归模型求解进行了详解和代码实现

线性回归

先生成一个函数进行测试,我们来看看生成随机的点如下图所示。我们再对其进行拟合

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(27)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

plt.plot(X, y, "b.")
plt.xlabel("$x_1$", fontsize=18)
plt.ylabel("$y$", rotation=0, fontsize=18)
plt.axis(
  • 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