Python机器学习：线型回归法04向量化运算

核心两行代码,
向量化
比较两者运算速度
运行速度提升100倍

#性能测试
#性能测试
m = 10000000
big_x = np.random.random(size=m)
print(big_x)
big_y = big_x * 2.0 + 3.0 + np.random.normal(size=m)

向量化的

%timeit reg2.fit(big_x,big_y)

没向量化的

%timeit reg1.fit(big_x,big_y)

11.8 s ± 249 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

134 ms ± 3.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

num = (x_train - x_mean).dot(y_train - y_mean)
d = (x_train - x_mean).dot(x_train - x_mean)

class Simple_linear_Regression2:def __init__(self):"""初始化Simple Line Regression模型"""self.a_ = Noneself.b_ = Nonedef fit(self,x_train,y_train):"""根据训练数据集x_train和y_train训练Simple_linear_Regression模型"""assert x_train.ndim == 1,\"Simple Linear Regression can only solve single feature training data"assert len(x_train) == len(y_train),\"the size of x_train must be equal to the size of y_train"# self.x_train = x_train# self.y_train = y_trainx_mean = np.mean(x_train)y_mean = np.mean(y_train)num = 0.0d = 0.0#使用向量化运算num = (x_train - x_mean).dot(y_train - y_mean)d = (x_train - x_mean).dot(x_train - x_mean)# for x,y in zip(x_train,y_train):#     num += (x - x_mean) * (y - y_mean)#     d += (x -x_mean) ** 2self.a_ = num / d #a_一般这样写是给函数里面计算得出的属性的self.b_ = y_mean - self.a_ * x_meanreturn self#这块自己写的没sklearn内味儿# def predict(self,x_predict):#     """给定待测数据集x_predict,返回表示x_predict的结果向量"""#     y_predict = [ x * self.a_ + self.b_ for x in x_predict]#     return y_predict#重新写的def predict(self, x_predict):"""给定待测数据集x_predict,返回表示x_predict的结果向量"""assert x_predict.ndim == 1,\"Simple Linear Regression can only solve single feature training data."assert self.a_ is not None and self.b_ is not None,\"must fit before predict!"return np.array([self._predict(x)  for x in x_predict])def _predict(self,x_single):"""给定单个待遇测数据x_single,返回x_single的预测结果值"""return self.a_ * x_single + self.b_def __repr__(self):return 'Simple_linear_Regression2'

Python机器学习：线型回归法04向量化运算相关推荐

python机器学习——支持向量机回归与波士顿房价案例
支持向量机回归与波士顿房价案例一.从传统回归模型到支持向量回归模型二.核函数三.常用的几种核函数四.SVM 算法的优缺点五.建模实例 (1)导入数据 (2)划分训练集测试集 (3)数据标准化 ...
Python机器学习：线型回归法05衡量线性回归法的指标MES，RMS，MAE
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 数据 boston = datasets ...
Python机器学习：线型回归法008实现多元线性回归
使用封装的:LinearRegression import numpy as np from Simple_linear_Regression.metrics import r2_score clas ...
Python机器学习：线型回归法007多元线性回归和正规方程的解
Python机器学习：线型回归法06最好的衡量线型回归法的指标RSquared
代码实现首先使用sklearn.metrics中的r2.score 依然使用波士顿房价数据集 #使用sklearn from sklearn.metrics import r2_score r2_sc ...
Python机器学习：线型回归法02最小二乘法
损失函数求极值,求导把b带入整理一下现在看起来两个算式复杂度差不多..然而实现起来还是有区别
Python机器学习：线型回归法01简单线型回归法
横轴纵轴都是样本特征特征只有一个找一个可导的损失函数 a,b未知数,xi,yi是已知的. 损失函数效用函数(目标函数) 损失函数尽可能小效用函数尽可能大本质,模型不同损失函数不同. 最优化原理 ...
机器学习基础-标准方程法-04
标准方程法Normal Equation import numpy as np from numpy import genfromtxt import matplotlib.pyplot as plt ...
【Python机器学习】回归模型：推土机售价预测
文章目录使用机器学习预测推土机的售价零.导入模块一.EDA 1.1 查看基本信息 1.2 特征类型转换 1.3 联表+特征初筛 1.3.1 删除包含重复信息的特征 1.3.2 fiBaseMod ...

Python机器学习：线型回归法04向量化运算

Python机器学习：线型回归法04向量化运算相关推荐

最新文章

热门文章