机器学习（一）线性回归python算法+代码（实例：医院制服领用与归还的关系，挖掘需求）

最新推荐文章于 2022-08-17 11:32:38 发布

小智的草稿本

最新推荐文章于 2022-08-17 11:32:38 发布

阅读量418

点赞数

分类专栏： AI 文章标签：机器学习

本文链接：https://blog.csdn.net/m0_46718733/article/details/107019923

版权

本文介绍了机器学习中的线性回归算法，通过实例展示了如何使用Python进行线性回归分析，以理解医院制服领用与归还的关系。通过对训练数据的处理和梯度下降法的应用，建立线性回归模型，该模型可用于预测医院制服的需求，为医疗行业的商业决策提供依据。

摘要由CSDN通过智能技术生成

训练集数据在最后
线性回归简单算法手写草拟
在线性回归算法

1、导入python

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']#显示中文

2、展示数据，读入

path = '医院发收制服数据.txt'
data = pd.read_csv(path,header=None,names=['发制服', '收制服'])
data.head()#显示前5行

收发制服表格
3、散点图

data.plot( kind='scatter',x='发制服', y='收制服', figsize=(12,8))
plt.show()

散点图
4、代价函数定义：代价函数J(Ѳ)，预测函数和实际值的差值||方差

def Cost(X,y,theta):
    inner = np.power(((X*theta.T)-y),2)
    return np.sum(inner)/(2*len(X))

5、加入一列x，用于更新Ѳ

data.insert(0,'ones',1)

在这里插入图片描述
6、初始化X和y，代价函数是应该是numpy矩阵，转换X和Y 初始化theta

cols = data.shape[1]
X = data.iloc[:,

关注

专栏目录