学习笔记—1:多元线性回归模型,吴恩达2022Machine Learning
CSDN话题挑战赛第2期
参赛话题:学习笔记
一、公式部分
线性模型:即两个变量之间是一次函数关系的模型预测,为一元线性回归模型;而当所选取的x为多元时(例如x为多元的情况:房屋价格要考虑,位置、面积、小区环境、卧室数量等等),则多元线性回归就要涉及到向量的概念。
通常情况下,向量的表达形式更加简洁,而且向量运算的效率通常优于使用循环进行计算,故笔者通过使用Numpy和for循环的方式进行了相关的对比。
线性回归模型:
成本函数:
梯度下降算法:
上面两个式子的推导过程:
二、代码实例
比较利用Numpy和直接用for循环,向量运算的运算效率
1、利用Numpy库
import numpy as np
import datetimef = 0
b = 9
x = range(1, 100000)
w = range(1, 100000)c = datetime.datetime.now()
f = np.dot(w, x) + b
c1 = datetime.datetime.now()
print(f, c1-c)
2、使用for循环
import datetimef = 0
b = 9
w = range(0, 100000)
x = range(0, 100000)
c = datetime.datetime.now()
for j in range(0, 100000):f = f + w[j] * x[j]
f = f + b
# print(f, type(f))
c1 = datetime.datetime.now()
print(f, c1 - c)
运行速度如下:
运行时间利用Numpy比使用for循环时间少0.09s
学习笔记—1:多元线性回归模型,吴恩达2022Machine Learning相关推荐
- 《计量经济学》学习笔记之多元线性回归模型
导航 上一章:一元线性回归模型 下一章:放宽基本假定的模型 文章目录 导航 3.1多元线性回归模型 一.多元线性回归模型 二.多元线性回归的基本假设 3.2多元线性回归模型的参数估计 四.参数统计量的 ...
- 【统计学习系列】多元线性回归模型(五)——参数与模型的显著性检验:t检验与F检验
文章目录 1. 前文回顾 2. 单参数显著性检验--t检验 2.1 问题的提出 2.2 检验统计量--t统计量的构造 2.3 拒绝域的构造 2.4 浅谈p值 3. 回归方程显著性检验--F检验 3.1 ...
- 【统计学习系列】多元线性回归模型(四)——模型的参数估计II:区间估计
文章目录 1. 前文回顾 2. ***β*** 的区间估计 2.1 t统计量的构造 2.2 估计区间 3. *σ* 的区间估计 3.1 卡方统计量的构造 3.2 估计区间 4. ***y*** 的区间 ...
- 【统计学习系列】多元线性回归模型(六)——模型拟合质量评判:RMSE、R方、改进R方、AIC\BIC\SIC
文章目录 1. 前文回顾 2. 一些引理与离差平方和分解定理(可略) 2.1 引理1 2.2 引理2 2.3 引理3 2.4 平方和分解定理 3. 拟合优度评价指标I--均方根误差(RMSE) 4. ...
- 《计量经济学》学习笔记之一元线性回归模型
注意:本笔记以文字概括为主,公式为辅,问为啥,因为贴图片和打公式对于我来说,太烦啦~所以,就只把每个章节里觉得重要的一些概念记下来. 书籍:<计量经济学(第三版)>–李子奈 导航 下一章: ...
- 【统计学习系列】多元线性回归模型(三)——参数估计量的性质
文章目录 1. 前文回顾 2. 衡量参数估计量好坏的指标 2.1 无偏性 2.2 一致性 2.3 有效性 3. 一些引理(可略) 3.1 期望运算的线性性 3.2 协方差运算的半线性性 3.3 矩阵迹 ...
- coursera—吴恩达Machine Learning笔记(1-3周)
Machine Learning 笔记 笔记主要按照进度记录上课主要内容和部分代码实现,因为我会看一阶段再进行整理,内容会有一定交叉.关于代码部分,一开始我是只为了做作业而写代码的,现在觉得不妨仔细看 ...
- 高效“炼丹”必备技能:一文实现深度学习数学原理入门,还有吴恩达老师亲授课程...
贾浩楠 发自 凹非寺 量子位 报道 | 公众号 QbitAI 哪个程序员不想高效"炼丹"? 尤其是深度学习算法开发人员,追求模型结构优化和提高编程效率是永远的目标. 但是,如果只做 ...
- Andrew Ng(吴恩达) deep learning 课程 (coursera)
引言 前段时间 Andrew Ng(吴恩达)在 Coursera 开设了深度学习的课程,正如 Andrew 在 Coursera 上的机器学习课程一样,Andrew 总是面向零基础的工程师来授课,而不 ...
最新文章
- torch EOFError: Ran out of input
- 51单片机创建工程操作流程
- OpenCV脸部美化FaceBeautificator的实例(附完整代码)
- mysql 脚本 linux_MySQL的一些功能实用的Linux shell脚本分享
- ecshop二次开发必备--数据库说明2
- arcgis在面内创建随机点
- WCF创建WebService正确操作步骤详解
- 计算机网络技术应用和发展,计算机网络技术的应用和发展研究
- 5点击换gif_新媒体人,至少要会做这种切换式GIF
- 海量中文语料上预训练ALBERT模型:参数更少,效果更好
- 10.5~10.6复习与预习的进行
- JAVA中public protected default private访问权限
- 3年才能驾驭新技术,不如试试这个低代码魔方
- html caption 靠左,HTML caption align 属性 | Paoo教程
- 微信授权流程技术说明
- 2021-06-22
- 关于CC的完全非线性椭圆方程一书的一些小结
- 强化学习(RLAI)读书笔记第六章差分学习(TD-learning)
- Android横向滚动卡片,RecyclerView+CardView实现横向卡片式滑动效果
- at89s51单片机是几位微型计算机,AT89S51单片机的硬件组成
热门文章
- java操作selenium(二)-微博自动登录后回复
- 科学计算机程序 字表处理软件都是,计算机应用基础知识_计算机应用基础试题及答案...
- java 抛硬币程序_C#的控制台应用程序实现模拟抛硬币的过程
- 多用户网上购物系统主要功能_免费搭建的流程步骤_OctShop
- 生活随记-感恩父亲母亲
- 99. Domino开发领域的动态
- golang sleep
- 基于matlab的双音多频信号识别,基于MATLAB的双音多频信号识别
- c语言输入变量字符串数组的长度,c语言数组长度问题?
- gerrit配置教程