本文通过Python代码介绍了如何使用梯度下降法实现一元线性回归。首先，从CSV文件中加载并分割数据，接着定义学习率、截距、斜率和最大迭代次数。然后，通过最小二乘法计算误差，并使用梯度下降更新截距和斜率。最终，展示了在不同迭代次数下模型的训练结果和误差。
直接上代码吧：
import numpy as np
import matplotlib.pyplot as plt
载入数据 用，进行切分
data = np.genfromtxt(r"G:\work\python\jupyter_notebook_work\机器学习\回归\data.csv",delimiter = “,”)
print(data)
此处截取局部
[[ 32.50234527 31.70700585]
[ 56.86890066 83.14274979]
[ 34.3331247 55.72348926]
[ 59.04974121 77.63418251]
[ 57.78822399 99.05141484]
[ 54.28232871 79.12064627]
[ 68.31936082 97.91982104]
[ 50.03017434 81.53699078]
[ 49.23976534 72.11183247]
[ 50.03957594 85.23200734]
[ 48.14985889 66.22495789]
[ 25.12848465 53.45439421]]
取第一列为 x_data
x_data = data[:,0]
取第二列为 y_data
y_data = data[:,1]
plt.scatter(x_data,y_data)
plt.show()
最低0.47元/天 解锁文章
621
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
