基于线性回归的3维案例展示

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib.pylab as mpl

from mpl_toolkits.mplot3d import Axes3D

# 设置可以显示中文符的画图

mpl.rcParams['font.sans-serif'] = [u'simHei']

mpl.rcParams['axes.unicode_minus'] = False

flag = True

# 数据准备，准备X,Y

X1 = np.array([
    [10, 1],
    [15, 1],
    [20, 1],
    [30, 1],
    [50, 2],
    [60, 1],
    [60, 2],
    [70, 2]]).reshape((-1, 2))

Y = np.array([0.8, 1.0, 1.8, 2.0, 3.2, 3.0, 3.1, 3.5]).reshape((-1, 1))

if flag:

     # 添加一列截距项

     X = np.column_stack(X1, np.ones(shape=(X1.shape[0], 1)))

else:

     X = X1

# 将X, Y的 np.array 形式转换成矩阵形式

X = np.mat(X)

Y = np.mat(Y)

# 训练模型

theta = (X.T * X).I * X.T * Y

# 预测模型

y_pre = X * theta

# 基于训练好的模型对一个未知