深度学习作业——用逻辑回归对散点图进行预测（numpy和matplotlib实现）

废话不多说，直接上源码


import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize
def f_l(x, w, b): return ((w * x) + b)
xdata = [8., 3., 9., 7., 16., 05., 3., 10., 4., 6.]
ydata = [30., 21., 35., 27., 42., 24., 10., 38., 22., 25.]
# （1）以下代码画出xdata, ydata的散点图以及线性回归的函数图。
# 绘制散点图
# 直线拟合与绘制
plt.scatter(xdata[:], ydata[:], 50, 'green')
a, b = optimize.curve_fit(f_l, xdata, ydata)[0]
x1 = np.arange(2, 20, 0.01)
y1 = (a * x1) + b
plt.plot(x1, y1, linewidth=3, color="yellow")
plt.title("Linear Regression Model")
plt.xlabel("x")
plt.ylabel("y")
plt.show()

觉得有用点个关注，跟着无神，有更多资源学习ML。

资源准备不易，一键三连哦