利用梯度下降实现线性回归

想要实现线性回归,可以使用sklearn模块自带的线性回归,也可以使用我们自定义的线性回归。

生成数据

为了介绍两种实现线性回归的方式,首先需要生成数据

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

X = np.linspace(-2,12,40).reshape(-1,1)
w = np.random.randint(1,9,size = 1)
b = np.random.randint(-5,5,size = 1)

# 增加噪声
y = w*X + b + np.random.randn(40,1)*2
plt.scatter(X,y)

结果如下
在这里插入图片描述

使用模块自带的方法

# 创建线性回归模型
linear = LinearRegression()

# 使用之前生成的数据训练模型
linear
  • 0
    点赞
  • 3
    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