2.3 线性回归算法学习——向量化运算优化回归算法

改进方法

在求参时for循环性能很低，如果能将for循环改进为向量之间的运算，性能会快很多

将a的分子和分母转换成两个向量的点成，两个一维向量的点成即相乘后相加：

代码改进，只需改进for循环变为：

num=(x_train-x_mean).dot(y_train-y_mean)
d=(x_train-x_mean).dot(x_train-x_mean)

运行结果相同：

性能测试

区别只在于fit函数中是否使用for循环：

当数据增大到百万时，效率差了50倍，所以向量化运算效率更高