作业（周五

import numpy as np
import matplotlib.pyplot as plt
 
# 计算loss
def liner_loss(w,b,data):
    """
    :param w:
    :param b:
    :param data:
    :return:
    """
    x = data[:,0]  # 代表的是第一列数据
    y = data[:,1]  # 代表的是第二列数据
    # 损失函数:使用的是均方误差(MES)损失
    loss = np.sum((y - w * x - b) ** 2) / data.shape[0]
    # 返回loss
    return loss
 
# 计算梯度并更新参数
def liner_gradient(w,b,data,lr):
    """
    :param w:
    :param b:
    :param data:
    :param lr:
    :return:
    """
    # 数据集行数
    N = float(len(data))
    # 提取数据
    x = data[:,0]
    y = data[:,1]
    # 求梯度
    dw = np.sum(-(2 / N) * x * (y - w * x -b))
    db = np.sum(-(2 / N) * (y - w * x -b))
    # 更新参数
    w = w - (lr * dw)
    b = b - (lr * db)
 
    return w,b
 
 
# 每次迭代做梯度下降
def optimer(data,w,b,lr,epcoh):
    """
    :param data:
    :param w:
    :param b:
    :param lr:
    :param epcoh:训练的次数
    :return:
    """
 
    for i in range(epcoh):
        # 通过每次循环不断更新w,b的值
        w,b = liner_gradient(w,b,data,lr)
        # 每训练100次更新下loss值
        if i % 100 == 0 :
            print('epoch {0}:loss={1}'.format(i,liner_loss(w,b,data)))
 
    return w,b
 
 
# 绘图
def plot_data(data,w,b):
    """
    :param data:
    :param w:
    :param b:
    """
    x = data[:,0]
    y = data[:,1]
    y_predict = w * x + b
    plt.plot(x, y, 'o')
    plt.plot(x, y_predict, 'k-')
    plt.show()
 
 
def liner_regression():
    """
    构建模型
    """
    # 加载数据
    data = np.loadtxt('D:\python-workspace\Machine_Learing\Regression\data.csv',delimiter=',')
    # 显示原始数据的分布
    x = data[:, 0]
    y = data[:, 1]
    plt.plot(x, y, 'o')
    plt.show()
 
    # 初始化参数
    lr = 0.01  # 学习率
    epoch = 1000  # 训练次数
    w = 0.0  # 权重
    b = 0.0  # 偏置
    # 输出各个参数初始值
    print('initial variables:\n initial_b = {0}\n intial_w = {1}\n loss of begin = {2} \n'\
        .format(b,w,liner_loss(w,b,data)))
 
    # 更新w和b
    w,b = optimer(data,w,b,lr,epoch)
 
    # 输出各个参数的最终值
    print('final formula parmaters:\n b = {1}\n w = {2}\n loss of end = {3} \n'.format(epoch,b,w,liner_loss(w,b,data)))
    # 显示
    plot_data(data,w,b)
 
 
 
if __name__ == '__main__':
    liner_regression()

根究网络上的代码稍加修改（我不太行