机器学习入门项目一（简单线性回归）

技术猎人

已于 2024-04-11 11:54:54 修改

阅读量203

点赞数 1

分类专栏：机器学习文章标签：机器学习 python 人工智能

于 2024-04-10 21:51:07 首次发布

本文链接：https://blog.csdn.net/hygtfjjrdsg/article/details/137612338

版权

机器学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

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 $y = a x + b$ 。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： $y = ax^2+b$

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