线性及非线性回归
以概念为基础,以实战为最终归处
陈陈的糖罐子
一个人工智能的菜鸟
展开
-
sklearn----弹性网(实战)
弹性网import numpy as npfrom numpy import genfromtxtfrom sklearn import linear_model# 读入数据 data = genfromtxt(r"longley.csv",delimiter=',')print(data)# 切分数据x_data = data[1:,2:]y_data = data[1:,1]print(x_data)print(y_data)# 创建模型model = linea原创 2021-11-08 11:25:25 · 263 阅读 · 0 评论 -
LASSO算法&(实战)sklearn----LASSO算法
import numpy as npfrom numpy import genfromtxtfrom sklearn import linear_model# 读入数据 data = genfromtxt(r"longley.csv",delimiter=',')print(data)# 切分数据x_data = data[1:,2:]y_data = data[1:,1]print(x_data)print(y_data)# 创建模型model = linear_...原创 2021-11-08 11:14:37 · 719 阅读 · 0 评论 -
(实战)sklearn----岭回归&标准方程法----岭回归
数据集import numpy as npfrom numpy import genfromtxtfrom sklearn import linear_modelimport matplotlib.pyplot as plt# 读入数据 data = genfromtxt(r"longley.csv",delimiter=',')print(data)# 切分数据x_data = data[1:,2:]y_data = data[1:,1]print(x_data)prin原创 2021-11-08 10:56:53 · 853 阅读 · 1 评论 -
特征缩放&交叉验证法&过拟合&正则化&岭回归
数据归一化均值标准化交叉验证法过拟合防止过拟合1、减少特征2、增加数据量3、正则化正则化正则化代价函数岭回归原创 2021-11-08 10:20:32 · 87 阅读 · 0 评论 -
标准方程法&实战标准方程法
标准方程法矩阵不可逆的情况梯度下降法和标准方程法对比import numpy as npfrom numpy import genfromtxtimport matplotlib.pyplot as plt # 载入数据data = np.genfromtxt("data.csv", delimiter=",")x_data = data[:,0,np.newaxis]y_data = data[:,1,np.newaxis]plt.scatter(x_data,原创 2021-11-08 09:37:39 · 77 阅读 · 0 评论 -
(实战)sklearn----多元线性回归&sklearn----多项式回归
import numpy as npfrom numpy import genfromtxtfrom sklearn import linear_modelimport matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 读入数据 data = genfromtxt(r"Delivery.csv",delimiter=',')print(data)# 切分数据x_data = data[:,:-1]原创 2021-11-06 21:53:57 · 5113 阅读 · 1 评论 -
多元线性回归&梯度下降法——多元线性回归
多特征当Y值的影响因素不是唯一时,采用多元线性回归模型例子梯度下降法——多元线性回归import numpy as npfrom numpy import genfromtxtimport matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D 数据# 读入数据 data = genfromtxt(r"Delivery.csv",delimiter=',')print(data)# 切分数据原创 2021-11-06 21:39:41 · 1241 阅读 · 1 评论 -
sklearn——一元线性回归
from sklearn.linear_model import LinearRegressionimport numpy as npimport matplotlib.pyplot as plt# 载入数据data = np.genfromtxt("data.csv", delimiter=",")x_data = data[:,0]y_data = data[:,1]plt.scatter(x_data,y_data)plt.show()print(x_data.shape)x原创 2021-11-06 20:43:53 · 755 阅读 · 0 评论 -
梯度下降法——一元线性回归
一元线性回归代价函数相关系数决定系数梯度下降法学习率越大,每次梯度下降的步长越大,所以要选择合适的学习率。一个参数的情况:梯度下降法缺点:有可能会陷入局部极小值使用梯度下降法来求解线性回归线性回归的代价函数是凸函数...原创 2021-11-06 16:42:24 · 208 阅读 · 0 评论 -
梯度下降法——一元线性回归(实战)
import numpy as npimport matplotlib.pyplot as plt# 载入数据data = np.genfromtxt("data.csv", delimiter=",")#传入文件,分隔符是逗号x_data = data[:,0]#取所有的行,第0个列y_data = data[:,1]plt.scatter(x_data,y_data)#画散点图plt.show()# 学习率learning ratelr = 0.0001# 截距b = 0.原创 2021-11-06 18:11:24 · 244 阅读 · 0 评论