代码注释：机器学习实战第8章预测数值型数据：回归

最新推荐文章于 2024-06-08 13:57:33 发布

da_da007

最新推荐文章于 2024-06-08 13:57:33 发布

阅读量1.8k

点赞数 1

分类专栏：机器学习实战文章标签：机器学习注释

本文链接：https://blog.csdn.net/da_da007/article/details/68957453

版权

本文为《机器学习实战》一书中第8章关于预测数值型数据——回归的代码提供了详细的注释，旨在帮助初学者理解并掌握回归模型的实现。内容包括各种回归算法的Python代码实现及解释。

摘要由CSDN通过智能技术生成

写在开头的话：在学习《机器学习实战》的过程中发现书中很多代码并没有注释，这对新入门的同学是一个挑战，特此贴出我对代码做出的注释，仅供参考，欢迎指正。

#coding:gbk
from numpy import *

#作用：从文件中导入数据
#输入：文件名
#输出：数据矩阵，标签向量
def loadDataSet(fileName):
    # .readline()每次只读取一行，只需读取一行计算特征值洁身内存
    numFeat = len(open(fileName).readline().split('\t')) - 1
    dataMat = []
    labelMat = []
    fr = open(fileName)
    #.readlines()一次读取整个文件，自动将文件内容分析成一个行的列表
    for line in fr.readlines():
        lineArr = []
        curLine = line.strip().split('\t')
        for i in range(numFeat):
            lineArr.append(float(curLine[i]))
        dataMat.append(lineArr)
        labelMat.append(float(curLine[-1]))
    return dataMat, labelMat

#作用：计算最佳拟合直线
#输入：数据点的x向量，y向量
#输出：最佳拟合直线的回归系数向量
def standRegres(xArr, yArr):
    xMat = mat(xArr)
    yMat &