唐宇迪博士视频课学习-线性回归代码

最新推荐文章于 2024-10-23 18:02:12 发布

Cincinnati_De

最新推荐文章于 2024-10-23 18:02:12 发布

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏：个人日记

本文链接：https://blog.youkuaiyun.com/Cincinnati_De/article/details/79801209

用python代码实现线性回归:

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

class LinearRegression:
    #w为θ
    def __init__(self):
        self.w = None
    #获取数据 进行训练
    def fit(self,X,y):
        print(X.shape)
        #将X0 = 1 插入 公式 : hθ(x) = θ0X0 + θ1X1 +θ2X2+……
        X = np.insert(X,0,1,axis= 1)
        print(X.shape)
        X_ = np.linalg.inv(X.T.dot(X)) #矩阵求逆  np.linalg.inv
        self.w = X_.dot(X.T).dot(y)
    # 将数据 和 X 相乘 得到 预测值
    def predict(self,X):
        X = np.insert(X,0,1,axis = 1)
        y_pred = X.dot(self.w)
        return y_pred
def mean_squared_error(y_true,y_pred):
    mse = np.mean(np.power(y_true - y_pred,2))
    return mse

def main():
    #加载数据集
    Diabetes= datasets.load_diabetes()
    #'feature_names': ['age', 'sex', 'bmi', 'bp', 's1', 's2', 's3', 's4', 's5', 's6']}
    #'data': array([[ 0.03807591,  0.05068012,  0.06169621, ..., -0.00259226,]]),
    #获取 data 数据集,只用一个 特征
    #print("