深度学习基础05---简单线性回归（下）

上一篇文章写了简单线性回归的一些基本信息，这一篇来写一下怎样求具体参数

如上图所示，我们来简单求一下相关参数

分子=(1-2)(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20)=20
分母=(1-2)^2 + (3-2)^2+(2-2)2+(1-2)^2+(3-2)2=4
b1=20/4=5

所以b0=20-5x2=10
所以该回归方程为y=5x+10
求出方程之后我们即可以进行预测，指导x可以预测y，知道y可以预测x
现在我们看一下在Python中如何实现

import numpy as np

def fitSLR(x,y):#定义参数方程
    n=len(x)
    dinominator=0
    numerator=0
    for i in range(0,n):
        numerator+=(x[i]-np.mean(x))*(y[i]-np.mean(y))
        dinominator+=(x[i]-np.mean(x))**2
        
    print('numerator:',numerator)
    print('dinominator:',dinominator)
    
    b1=numerator/float(dinominator)
    b0=np.mean(y)/float(np.mean(x))
    
    
    return b0,b1

def predict(x,b0,b1):
    return b0+x*b1

x=[1,3,2,1,3]
y=[14,24,18,17,27]


b0,b1=fitSLR(x,y)

print('intercept:',b0,'slope:',b1)

x_test=6
y_test=predict(6,b0,b1)

print('y_test:',y_test)
        

可以，结果蛮不错