机器学习学习笔记1-简单的线性回归

今天学习了关于利用Python的Scipy库进行线性拟合的内容。主要使用了两个函数

一个是polyfit用于将输入的数据进行拟合，简单的调用方式如下

fp = polyfit(x, y, 1)

其中x,y分别代表输入的x轴数据和y轴数据， 1代表是回归的阶数, 这里传入1代表的是

线性回归，其拟合方程如下：

y = a * x  + b

传入2的话，其拟合方程如：

y = a * x * x + b * x + c

以此类推

返回值fp代表的是回归的方程的系数，如果是线性回归的话，其值可能如下

[1, 2] 对应的回归方程为y = 1 * x + 2

函数polyfit是用于求解拟合参数的，为了方便利用拟合后的方程来对某个特定输入的因变量x求解相应的值y

scipy库提供了poly1d函数，可以将polyfit返回的模型转化为一个函数返回，调用方式如下

f = poly1d(fp)

predict_y = f(x)

下面是一段将数据做一维线性回归的代码

import scipy as sp

x = ...

y = ...

fp = sp.polyfit(x, y, 1)

f = sp.poly1d(fp)

print(f(10))