python解析法解决一元线性回归

最新推荐文章于 2024-09-26 19:15:00 发布

关于楼主为什么这么懒这件事

最新推荐文章于 2024-09-26 19:15:00 发布

阅读量573

点赞数 1

分类专栏： python 文章标签：一元线性回归最小二乘法 Python 数据分析模型拟合

本文链接：https://blog.csdn.net/qq_45832053/article/details/118567753

版权

python解决一元线性回归

课程链接

链接: link.

解析法求一元线性

求面积与房价的线性关系
在这里插入图片描述

理论基础

求解问题：求一理想直线最能描述样本点增长趋势

具体：求直线的 w ，b

基本思想：
一、求样本点到理想直线的距离，当样本点到直线距离之和最小(残差绝对值最小)，看作这时是最好的拟合直线，因为绝对值不好进行公式计算变换，且一个函数平方最小(残差平方和最小)也是其绝对值最小，因此我们采用残差平方和最小求解 w ，b
在这里插入图片描述
二、用残差平方和最小分别对 w ，b 求偏导，当它们为0时表示两个分别在 w ，b 方向上的残差平方和最小最小函数，两函数交点即为最佳的 w ，b
最佳 w ，b 计算结果如下图右边，python编程不需了解计算过程，直接利用结果就行
在这里插入图片描述

代码

公式部分代码解释
在这里插入图片描述

import numpy as np

import matplotlib.pyplot as plt 

plt.rcParams['font.sans-serif'] = ['SimHei'] #为避免画图时用中文时报错

x = np.array([137.97, 104.50, 100.00, 124.32, 79.20, 99.00, 124.00, 114.00,
                 106.69, 138.05,