正则方程（机器学习）

#导库
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#plt.rcParams['font.sans-serif'] = ['SimHei']     显示中文
plt.rcParams['axes.unicode_minus'] = False       #显示负号#数据集
X=[1.5,0.8,2.6,1.0,0.6,2.8,1.2,0.9,0.4,1.3,1.2,2.0,1.6,1.8,2.2]
y=[3.1,1.9,4.2,2.3,1.6,4.9,2.8,2.1,1.4,2.4,2.4,3.8,3.0,3.4,4.0]#数据初始化
X = np.c_[np.ones(len(X)),X]
y = np.c_[y]#初始化θ
theta = np.zeros((2,1))#正规方程的代码表示    ！！！！重点！！！！
theta = np.linalg.inv(X.T.dot(X)).dot(X.T.dot(y))#可视化展示 画图
plt.figure('Scatter plot')
plt.title('Scatter plot')
plt.scatter(X[:,1],y,c='r',marker='*',label='Sample point')
plt.xlabel('X')
plt.ylabel('y')theta0 = theta[0]
theta1 = theta[1]#画回归方程
min_x,max_x = np.min(X),np.max(X)
min_y = theta1*min_x + theta0
max_y = theta1*max_x + theta0
plt.plot((min_x,max_x),(min_y,max_y),c='g')plt.legend()
plt.show()

#导库 import numpy as np import matplotlib.pyplot as plt %matplotlib inline #plt.rcParams[‘font.sans-serif’] = [‘SimHei’] 显示中文 plt.rcParams[‘axes.unicode_minus’] = False #显示负号

#数据集 X=[1.5,0.8,2.6,1.0,0.6,2.8,1.2,0.9,0.4,1.3,1.2,2.0,1.6,1.8,2.2] y=[3.1,1.9,4.2,2.3,1.6,4.9,2.8,2.1,1.4,2.4,2.4,3.8,3.0,3.4,4.0]

#数据初始化 X = np.c_[np.ones(len(X)),X] y = np.c_[y]

#初始化θ theta = np.zeros((2,1))

#正规方程的代码表示！！！！重点！！！！ theta = np.linalg.inv(X.T.dot(X)).dot(X.T.dot(y))

#可视化展示画图 plt.figure(‘Scatter plot’) plt.title(‘Scatter plot’) plt.scatter(X[:,1],y,c=‘r’,marker=’*’,label=‘Sample point’) plt.xlabel(‘X’) plt.ylabel(‘y’)

theta0 = theta[0] theta1 = theta[1]

#画回归方程 min_x,max_x = np.min(X),np.max(X) min_y = theta1min_x + theta0 max_y = theta1max_x + theta0 plt.plot((min_x,max_x),(min_y,max_y),c=‘g’)

plt.legend() plt.show()

正则方程（机器学习）相关推荐

机器学习入门系列二（关键词：多变量(非)线性回归，批处理，特征缩放，正规方程
机器学习入门系列二(关键词:多变量(非)线性回归,批处理,特征缩放,正规方程) 目录(?)[+] 一多变量的线性回归二批处理三特征缩放四正规方程五多变量非线性回归一.多变量的线性回归在#机 ...
吴恩达机器学习中文版课后题（中文题目+数据集+python版答案）week1 线性回归
一.单线性回归问题参考:https://blog.csdn.net/qq_42333474/article/details/119100860 题目一: 您将使用一元线性回归来预测食品车的利润.假设 ...
coursera机器学习第二周编程作业
首先下载需要的文档.下面是文档的翻译(英语新手纯手工goole翻译)(来源coursera). 编程练习1:线性回归机器学习介绍在这个练习中,你将实现线性回归,并看到它在数据上的工作.在开始编程 ...
吴恩达机器学习视频学习笔记
吴恩达机器学习视频笔记介绍 Introduction 线性回归 Linear Regression 单变量 One Variable 多变量 Multiple Variables 多项式回归 Pol ...
动手学机器学习(第二版)-第四章训练模型
第四章训练模型线性模型(Linear Regression) 线性模型的一般形式如下 y^=θ0+θ1x1+θ2x2+-+θnxn\hat{y} = \theta_0 + \theta_1 x_1 ...
吴恩达机器学习--学习笔记
1. Introduction 1.1 Welcome 如今机器学习被大规模应用于: 数据挖掘(网站点击,医学记录,生物学,工程) 一些无法通过编程实现的功能(自动驾驶,手写识别,NLP,CV) se ...
机器学习之算法部分（算法篇1）
目录 0.Introduction 1.K近邻算法--[分类算法] 1.1 K-近邻算法简介 1.1.1 K-近邻算法(KNN)概念 1.1.2 举例-电影类型分析 1.2 k近邻算法api初步使用 ...
机器学习分类指标：精确率、准确率、召回率详解
混淆矩阵在介绍具体的定义之前先了解一些混淆矩阵(confusion matrix): 一种 NxN 表格,用于总结分类模型的预测效果:即标签和模型预测的分类之间的关联.在混淆矩阵中,一个轴表示模型预 ...
【机器学习】RNN循环神经网络
循环神经网络归属: 领域:机器学习方向:自然语言处理贡献:自动文本生成循环神经网络实际应用: 生活中因为原始数据都是序列化的,比如自然语言,语音处理,时间序列问题(股票价格)等问题, 这个时候需 ...
开源自动化机器学习框架
20211101 在 Airbnb 使用机器学习预测房源的价格 https://blog.csdn.net/weixin_33735077/article/details/87976278?spm=1 ...

正则方程（机器学习）

正则方程（机器学习）相关推荐

最新文章

热门文章