回归用于预测我们没有记录的新数据
构建函数模型
将数据画出来后发现呈 正比关系的线性模型
f(t) = at + b
- a,b为未知数,目标求a,b
- t 和f(t) 为已知数
- 当t=0 , f(t)=27
根据评估公式(损失函数)求最优解
- f(t) 为预测的结果
- y 是真实的结果
- 相间为误差
- 再所有样本点上,误差最小
展开损失函数
(f(t0)-y0)**2 + (f(t1)-y1)**2 +.....
f(t) = at + b
带入公式
((at0+b)-y0)**2 + ....
都展开得到 w1a**2 + w2b**2 + w3ab+....
(b-27.0)**2 + ((a-b)-26.8)**2 + ....
最终找到一组a,b的值使得损失函数的值最小
使用求导法求极限值
通过求他的 导数 让他 导数等于0 (既没有变化率的地方)
例一
y = 5(x+2)^^2 -10
(5u**2)'u'=10u *(1)=10x+20 =0 x = -2
由于我们公式中未知数有两个所以要求偏导数
- 求a得偏导数时候把b当常数
- 目标分别对a,b求偏导, 让他们等于0 在联立一个公式解出a,b
- 极为最小二乘法
((ati +b-yi)**2)'
u=ati + b -yi
a 求导 2u ** ti = (ati+b-yi)ti
b 求导 (ati+b -yi)
140a +28b = 717
28a + 8b = 208.5
#矢量得方法解方程
import numpy as np
A = np.array([[140,28],[28,8]])
b = np.array([717,208.5])
np.linalg.inv(A).dot(b)
Out[7]: array([-0.30357143, 27.125])