解析法多元线性回归的实现

前置内容
假设影响房价的因素有面积和房间数，根据已有数据获得两个因素的影响权重，对未知房价进行预测

在这里求的是解析解，为确定值

步骤

加载样本数据
数据处理
学习模型，计算W
预测

Y=XW
Loss=(Y-XW)T(Y-XW)
解析解公式W=(XTX)-1XTY

*注：(XTX)须为满秩矩阵

代码

import numpy as np
import tensorflow as tf


x1=tf.constant([137.97,104.50,100.00,124.32,79.20,99.20,124.00,114.00,106.69,138.05,53.75,46.91,68.00,63.02,81.26,86.21])#面积
x2=tf.constant([3,2,2,3,1,2,3,2,2,3,1,1,1,1,2,2],dtype=tf.float32)#房间数
y=tf.constant([145.00,110.00,93.00,116.00,65.32,104.00,118.00,91.00,62.00,133.00,51.00,45.00,78.50,69.65,75.69,95.30])#房价

x0=tf.ones(len(x1))   #生成全一数组，该项与偏置项b相乘，为方便计算偏置项计入了权重向量w中，记为w0
X=tf.stack((x0,x1,x2),axis=1)#堆叠x0,x1,x2，构造属性矩阵
Y=tf.reshape(y,[-1,1]) #将y进行转置
W=tf.linalg.inv(tf.transpose(X)@X)@tf.transpose(X)@Y#根据公式计算W值
print("y=%f*x1+%f*x2+%f" %(W[1],W[2],W[0]))
a,b=input("输入房屋面积和房间数：").split()
p=int(a)*W[1]+int(b)*W[2]+W[0]
print(float(p))

运行结果