机器学习第四章简单线性回归/多元线性回归/损失函数

Aries_楊小欣�

于 2019-11-30 11:51:08 发布

阅读量910

点赞数 1

分类专栏：机器学习(11.4-12.29)每周更新

本文链接：https://blog.youkuaiyun.com/Aries_yang/article/details/103322784

版权

本文详细探讨了机器学习中的简单线性回归和多元线性回归模型，从理论层面阐述其原理。同时，介绍了损失函数在优化模型过程中的关键作用，帮助读者深入掌握线性回归的实现与评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

理论部分：

代码部分：

from myAlgorithm.SimpleLinearRegression import SimpleLinearRegression

x = np.array([1.,2.,3.,4.,5.])
y = np.array([1.,3.,2.,3.,5,])
x_predict = np.array([6])
reg = SimpleLinearRegression()
reg.fit(x,y)

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

boston = datasets.load_boston()

X = boston.data
y = boston.target

X = X[y<50.0]
y = y[y<50.0]

X.shape
输出：(490, 13)

y.shape
输出：(490, )

from myAlgorithm.model_selection import train_test_split
from myAlgorithm.LinearRegression import LinearRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, seed = 666)

reg = LinearRegression()
reg.fit_n