python实现简单线性回归问题

最新推荐文章于 2024-07-16 15:41:33 发布

「已注销」

最新推荐文章于 2024-07-16 15:41:33 发布

阅读量602

点赞数 1

文章标签： python 机器学习

本文链接：https://blog.csdn.net/dzdzdzl/article/details/120285630

版权

本文介绍了如何使用Python解决线性回归问题。通过读取data.csv文件中的数据，构造损失函数并利用梯度下降法更新权重和偏置，最终得到最佳拟合直线。在过程中详细解释了损失函数和梯度的概念，并展示了利用matplotlib绘制线性函数图像的过程。

摘要由CSDN通过智能技术生成

利用python语言实现一个简单的线性回归问题求解y = w * x + b

实现内容大致如下：通过读取data.csv文件内容获得若干组坐标数据，构造损失函数，不断更新迭代梯度，获取最接近得权重和偏置的值，确定最终线性函数

1.导入的函数库如下：

import numpy as np
import matplotlib.pyplot as plt

2.建立损失函数：

def compute_error_for_line_given_points(b,w,points):
    totalError = 0
    for i in range(0,len(points)):  # points就类似于（x，y）坐标
        x = points[i, 0]
        y = points[i, 1]
        totalError += (y - (w * x + b)) ** 2
        plt.scatter(x, y, marker='o')
    return totalError / float(len(points))

这里我们将loss定义为 $\sum \left ( w * Xi + b - Yi \right )^{2}$