题目要求
1.按要求完成下面的各项需求。
利用python编写如下程序,
为对单变量线性回归有较深刻的认识,现自行设计数据集。数据集的要求如下,训练集:xdata为200个在(0,5)范围内服从正态分布的随机数,ydata满足:ydata=4*xdata+8+random1,其中random1也是(0,5)范围内服从正态分布的随机数。测试集:选择训练集中前50个数据作为测试集。请通过Python实现线性回归模型,并用此模型预测y,具体要求如下:
1.生成训练集数据(8分)
2.生成测试集数据(8分)
3.实现线性回归的代价函数(8分)
4.实现梯度下降函数(4分)
5.通过梯度下降计算回归模型,用所得模型对测试集的数据进行预测(4分)
6.以横轴为真实值,纵轴为预测值,画出散点图进行对比(8分)
题目解析
这个题目要求我们自己生成数据,思路一定要清晰。单变量线性回归手写底层,考察基本功底,比较简单,但是不能大意,重要的点在于学习率的调节。
实现代码如下:
'''
手写线性回归
'''
import numpy as np
from matplotlib import pyplot as plt
# 设置中文字体和负号正常显示
plt.rcParams['font.sans-serif'] &#