机器学习入门项目一(简单线性回归)

本文介绍了如何使用NumPy库在Python中实现线性回归算法,包括基础的线性关系(y=ax+b)和更复杂的二次多项式关系(y=a*x^2+b),并提供了自定义数据生成器来模拟数据集,以实现模型的训练和收敛。
摘要由CSDN通过智能技术生成

使用numpy写一个线性回归算法, 方程(模型)为 y = a x + b y=ax+b y=ax+b。要求自己设计训练部分并且收敛到满意效果。
以下是数据产生代码:

import matplotlib.pyplot as plt
import numpy as np


class DataGenerator:
    """
    线性回归数据产生器, 方程:y = ax + b
    """

    def __init__(self, a, b):
        self.a = a
        self.b = b

    def __call__(self, data_len):
        xx = np.random.uniform(-50, 50, data_len)  # 生成 x 点集
        yy = self.a * xx + self.b  # 生成 y 点集
        # 加随机误差
        noise = np.random.normal(0, 20, data_len)
        yy += noise

        return xx, yy

a, b = 3.5, 7.1
xx, yy = DataGenerator(a, b)(1000)

# 可视化
fig = plt.figure()
ax = fig.add_subplot()
ax.scatter(xx, yy)
plt.show()

现在把方程变换成: y = a x 2 + b y = ax^2+b y=ax2+b

class DataGeneratorSD:
    """
    线性回归数据产生器, 方程:y = a*x*x + b
    """

    def __init__(self, a, b):
        self.a = a
        self.b = b

    def __call__(self, data_len):
        xx = np.random.uniform(-50, 50, data_len)  # 生成 x 点集
        yy = self.a * (xx**2) + self.b  # 生成 y 点集
        # 加随机误差
        noise = np.random.normal(0, 20, data_len) * 50
        yy += noise

        return xx, yy

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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