03 python 机器学习库求解线性回归

import numpy as np
import matplotlib.pyplot as plt

##导入数据
points = np.genfromtxt('data.csv',delimiter=',')

## points 二维数组
##[[ 32.50234527,  31.70700585],
##[ 53.42680403,  68.77759598]]

## 提取points 中的两列数据，分别作为x,y 
x=points[:,0]##第一列 
y=points[:,1]##第二列

print(x)
print(y)

## 用plt画出散点图 

plt.scatter(x,y)
plt.show()


#损失函数是系数的函数，另外还要传入数据的x,y 
def compute_cost(w,b,points):
    total_cost = 0 
    M = len(points)
    
    # 逐点计算平方损失误差，然后求平均数
    for i in range(M):
        x = points[i,0]
        y = points[i,1]
        total_cost+= (y - w*x - b)**2
        
    return total_cost/M

from sklearn.linear_model import LinearRegression 
lr = LinearRegression()
x_new =x.reshape(-1,1) # reshape改变形状 -1 表示行数不限制  1 表示列数
y_new =y.reshape(-1,1)
lr.fit(x_new,y_new) #做拟合 传入的参数需要是二维的举证 python机器学习库的线性回归用的是最小二乘法

w = lr.coef_[0][0] #拿出系数
b = lr.intercept_[0] #拿出截距 常数项

print("w is :",w)
print("b is :",b)

cost = compute_cost(w,b,points)
print("cost is ",cost)

  

## 图形展示
plt.scatter(x,y) ##散点图
# 针对每一个x,计算出预测的y值
pred_y = w * x + b

plt.plot(x,pred_y,c='r') ##点图
plt.show()