- 博客(0)
- 资源 (11)
- 收藏
- 关注
正规方程回归算法Python实现
正规方程回归算法Python实现
原始数据 假设关系为 y=3+x+2z ==== y=a+bx+cz
。。。
canshu=(bianliang.T*bianliang).I*bianliang.T*y #.T转置,.I逆矩阵,*矩阵相乘
2018-10-07
线性回归正规方程sklearn实现
Python代码包含了Advertising.csv数据包
###线性回归####
# 读取数据
data = pd.read_csv('Advertising.csv', index_col=0)
#前五条数据
data.head()
#后五条数据
data.tail()
# 画散点图
import seaborn as sns
import matplotlib
2018-10-07
随机梯度下降法python实现
m = 100000
x = np.random.normal(size = m)
X = x.reshape(-1, 1)
y = 4.0 * x + 3.0 + np.random.normal(0 ,3, size = m)
。。。
2018-10-07
三维平面线性回归拟合
#线性方程z=a∗x+b∗y+c表示空间一平面
xx, yy = np.meshgrid(np.linspace(0,10,10), np.linspace(0,100,10))
zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(10,10)) #随机生成空间上的x,y,z坐标
print(yy)
# 构建成特征值的形式
X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten()
# 建立线性回归模型
regr = linear_model.LinearRegression()
# 拟合
regr.fit(X, Z)
# 不难得到平面的系数、截距
a, b = regr.coef_, regr.intercept_
# 给出待预测的一个特征
x = np.array([[5.8, 78.3]])
# 方式1:根据线性方程计算待预测的特征x对应的值z(注意:np.sum)
print(np.sum(a * x) + b)
# 方式2:根据predict方法预测的值z
print(regr.predict(x))
。。。
2018-10-07
批量梯度下降法python具体实现
批量梯度下降法python具体实现,
np.random.seed(666)
x = 2 * np.random.random(size = 100)
y = x * 3.0 + 4.0 + np.random.normal(size = 100)
X = x.reshape(-1, 1)
#损失函数
def J(theta, X_b, y):
try:
return np.sum((y - X_b.dot(theta))**2)/len(X_b)
except:
return float('inf')
#损失函数的梯度
def dJ(theta, X_b, y):
res = np.empty(len(theta))
res[0] = np.sum(X_b.dot(theta) - y)
for i in range(1, len(theta)):
res[i] = (X_b.dot(theta) - y).dot(X_b[:,i])
return res *2 /len(X_b)
2018-10-07
模拟实现梯度下降法
x = np.linspace(-1, 6 ,141)
y = (x-2.5)**2-1
# 求导数
def dJ(theta):
return 2*(theta - 2.5)
2018-10-07
多元线性回归预测房价算法pythons实现
#多元线性回归预测房子的价格,构建一个房子价格的python模型。
##ex1data2.txt中包含了房子价格的训练组。第一列是房子的尺寸(平方英尺),第二列是卧室的数量,第三列是房子的价格。
2018-10-07
网站建设与管理练习-(完美版)
简答
1. 简述网站建设的流程。
规划设计: 确定主题、规划分析 、收集资料、撰写网站规划书
实施制作:版面设计、编辑排版、后台功能实现、代码整合
发布维护 :网站测试、上传发布、日常维护
2. 简述电子商务网站系统的主要功能。
2018-10-06
DBSCAN聚类算法
基于密度的聚类算法主要的目标是寻找被低密度区域分离的高密度区域。与基于距离的聚类算法不同的是,基于距离的聚类算法的聚类结果是球状的簇,而基于密度的聚类算法可以发现任意形状的聚类,这对于带有噪音点的数据起着重要的作用。
2018-10-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人