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("