实现线性回归算法

本文介绍了如何通过梯度下降法求解线性回归模型的权重w和截距b,并对比了使用sklearn库的线性回归模型进行求解的结果。
摘要由CSDN通过智能技术生成

梯度下降法求解w和b

导入所需要的包:

#导入sklearn的线性回归算法只是为了验证手写的回归算法w和b求解是否正确
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.linear_model import LinearRegression

创建数据集:

X = np.linspace(2.5,12,25)

w = np.random.randint(2,10,size  = 1)[0]

b = np.random.randint(-5,5,size = 1)[0]

y = X*w + b + np.random.randn(25)*2

数据点:在这里插入图片描述

梯度下降法实现回归:

class Linear_model
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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