前言
如何拟合线性模型
一、问题描述
有两组数据,x和y,根据线性模型y=wx拟合出合适的w值,使得模型能够较为准确反映数据变化趋势。
二、求解步骤
1.分析
定义函数forward返回估计值
定义函数loss返回均方误差
利用穷举法找到合适的w值
绘制二维图像观察,并输出最合适的w值
2.代码示例
代码如下(示例):
import numpy as np
import matplotlib.pyplot as plt
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
def forward(x):
return x * w # 线性回归模型,w为权重(全局变量)
def loss(x, y):
y_pred = forward(x)
return (y_pred - y) ** 2 # 均方误差
# 穷举法
w_list = []
mse_list = []
for w in np.arange(0.0, 4.1, 0.1):
print("w=", w)
l_sum = 0
for x_val, y_val in zip(x_data, y_data):
y_pred_val = forward(x_val)
loss_val = loss(x_val, y_val)
l_sum += loss_val
print('\t', x_val, y_val, y_pred_val, loss_val)
print('MSE=', l_sum / 3)
w_list.append(w)
mse_list.append(l_sum / 3)
print('最小均方差=',min(mse_list),'对应的w=',w_list[mse_list.index(min(mse_list))])
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()
得到如下结果.
总结
拟合线性模型y=wx