机器学习初探（一）简单的线性回归

最新推荐文章于 2024-08-09 07:27:56 发布

GPlearndunk

最新推荐文章于 2024-08-09 07:27:56 发布

阅读量258

点赞数

分类专栏：机器学习文章标签：机器学习 python

本文链接：https://blog.csdn.net/weixin_41168254/article/details/90699949

版权

机器学习初探（一）简单的线性回归

今天开一个新系列——机器学习初探，记录一下《Python与机器学习实战》的学习笔记。今天是第一章python与机器学习入门。

什么是机器学习

简单来说，在统计理论下机器学习就是追求合理的假设空间的选取和模型的泛化，可以说是计算机使用输入给它的数据，利用人类赋予它的算法得到某种模型的过程，其最终目的则是使用该模型，预测未来未知数据。
####第一个机器学习样例
现有47个房子的面积和价格，需要建立一个模型对新的房价进行预测。首先获得数据集：

2104,399900
1600,329900
2400,369000
1416,232000
3000,539900
1985,299900
1534,314900
1427,198999
1380,212000
1494,242500
1940,239999
2000,347000
1890,329999
4478,699900
1268,259900
2300,449900
1320,299900
1236,199900
2609,499998
3031,599000
1767,252900
1888,255000
1604,242900
1962,259900
3890,573900
1100,249900
1458,464500
2526,469000
2200,475000
2637,299900
1839,349900
1000,169900
2040,314900
3137,579900
1811,285900
1437,249900
1239,229900
2132,345000
4215,549000
2162,287000
1664,368500
2238,329900
2567,314000
1200,299000
852,179900
1852,299900
1203,239500

第一列是面积，第二列是价格，将数据集进行预处理，将面积减去其均值在除以方差：

import numpy as np
import matplotlib.pyplot as plt

x, y = [], []
for sample in open("C:\\Users\\MECHREVO\\Desktop\\ml_python_execution\\prices.txt","r"):
    _x, _y = sample.split(",")
    x.append(float(_x))
    y.append(float(_y))
x, y = np.array(x), np.array(y)
x = (x - x.mean()) / x.std()
plt.figure()
plt.scatter(x, y, c="g", s=6)
plt.show

结果如图：
在这里插入图片描述
我们计划使用一个多项式