RLS(最小二乘法)拟合直线

本文介绍了RLS(最小二乘法)用于拟合直线的原理,详细阐述了定理并提供了证明链接。通过生成随机点进行实例演示,利用最小二乘法的正则方程组求解直线方程的系数。
摘要由CSDN通过智能技术生成

原理:

  定理原文链接:https://blog.csdn.net/shenziheng1/article/details/54409180

定理以及证明

实例代码:

我们在直线 y = 3 + 5x 附近生成服从正态分布的随机点,作为拟合直线的样本点:

import numpy as np
import matplotlib.pyplot as plt

#在直线附近生成随机的点

X = np.arange(0,5,0.1)
Z = [3 + 5 * x for x in X]
Y = [np.random.normal(z,0.5) for z in Z]
plt.plot(X,Y,'ro')
plt.show()

我们利用最小二乘法的正则方程组来求解未知系数 a0 与 a1:

def linear_regression(x,y)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值