2020/11/23 03-机器学习线性回归算法实现与应用3

最新推荐文章于 2024-03-25 18:15:00 发布

48N6E

最新推荐文章于 2024-03-25 18:15:00 发布

阅读量629

点赞数

分类专栏：选修python

本文链接：https://blog.csdn.net/qq_42227818/article/details/110006483

版权

选修python 专栏收录该内容

16 篇文章 0 订阅

订阅专栏

程序，先用年龄和身高写出来。尽可能让点在直线周围，称为拟合。第二种数据是鸢尾花，分类
在这里插入图片描述

还有很多数据，iris鸢尾花，boston房产数据。
在这里插入图片描述
公式始终是xw+b，最后可以看成x乘系数1，(w/b)b

在这里插入图片描述
线性回归的算法

在这里插入图片描述
**一般都是准备数据，训练，可视化。
导入x数据和y数据。
**

产生一个空的数组，把x_data里的数据语言，有多少个数据（取0行），列数增加1，保留数据值再加上dtype，np.float浮点数。
Y值，本来是一行，变成多行一列，原来是横过来的数组，变成列的数组，计算就会方便，把y其中的0，变成1列，
在这里插入图片描述
**这里都属于数据加载.x数据放进去，把所有的行放进去，所有第一列的数据就等于x_data。
把第二列，所有的行，但是列数是第二列
**

在这里插入图片描述
第二列全是1

在这里插入图片描述
后面是2x2的矩阵模式

把数据准备好就开始训练

先求转置矩阵

、这种方式就可以把矩阵求出来

在这里插入图片描述
转置矩阵求和以后要求逆矩阵

专门一个求逆矩阵的公式inv

再乘上x的转置矩阵

再乘上y矩阵

在这里插入图片描述
得出的矩阵就是鼎鼎大名的W

这个W其实是个方程式，w.shape打印一个形状，是一个2乘1 的，一个特征就一个，结局就一个

进行可视化

在这里插入图片描述
这个拟合就需要用，W，x，y算出来，要用到理想的Y值，Y_IDEA等于x乘上w,np.matmul(X,W),ax.plot画成直线

蓝色

在这里插入图片描述

计算这个W，算法是没有问题的

在这里插入图片描述
scipy实现的方法就比较简单，这个可逆矩阵比numpy的效率稍微高点

在这里插入图片描述

查看有没有这个包

在这里插入图片描述
现在这是得出的结果

在这里插入图片描述
线性回归具备分类的作用，sklearn线性模型，下面是线性回归对象

这个对象，对数据是有要求的，需要格式化一下，要把形状一定要映射成-1

下面开始训练，拟合fit，进行拟合运算。把x放进去，期望的分值放进去Y_RG
在这里插入图片描述
打印出三个值，评估（得分率），斜率：coef，截距inyercept

实际上sklearn 的拟合线性回归也是这套算法