机器学习——数学基础（2）

1. 绘制指定直线L1(如斜率与截距分别为2与5)上10个点P=(x,y)。
2. 根据直线L1上的点P=(x,y)产生噪声点Pn=(x,y_npt)。
3. 从点集Pn=(x,y_npt)中随机抽取两点(变量inx保存两点的序号)。
4. 根据随机抽取的两点(变量inx保存两点序号)绘制直线L2；在同一图中绘制噪声点Pn、直线L1与直线L2.
5. 求取噪声点Pn=(x,y_npt)到直线L2的平均距离与方差。

   import matplotlib.pyplot as plt
   import numpy as np
   
   #直线L1
   k,b = 2,5
   x = np.linspace(0,50,100)
   y = k * x + b
   #直线L1上的10个点
   px = np.random.uniform(0,50,10)
   py = k * px + b
   #产生噪声点
   mu,sigma = 1,2
   rand_data = np.random.normal(mu,sigma,10)
   y_npt = py + rand_data
   #随机抽取两点的序号
   inx = np.random.randint(0,10,2)
   #直线L2
   if inx[0] != inx[1]:
       k2 = (y_npt[inx[1]]-y_npt[inx[0]])/(px[inx[1]]-px[inx[0]])
       b2 = y_npt[inx[1]] - k2 * px[inx[1]]
       y2 = k2 * x + b2
   else:
       print('Too few points')
   #求平均距离和方差
   distance = np.abs((k2*px-y_npt+b2)/(np.sqrt(k2*k2+1)))    
   ave_distance = np.mean(distance)
   var_distance = np.var(distance)
   print(ave_distance)
   print(var_distance)
   #画图
   plt.figure(figsize=(6,6))
   plt.plot(x,y,color='b',linestyle='-',label='L1')
   plt.plot(px,py,color='r',linestyle='None',marker='o',label='True points')
   plt.plot(px,y_npt,color='g',linestyle='None',marker='o',label='Noisy Points')
   plt.plot(x,y2,color='r',linestyle='-',label='L2')
   plt.xlabel('X')
   plt.ylabel('Y')
   plt.title('Linear Regression')
   plt.legend(loc='upper left')
   plt.grid(True)
   plt.show()

   

 

另一种方法：