线性模型python代码

最新推荐文章于 2025-02-22 15:20:31 发布

原创

最新推荐文章于 2025-02-22 15:20:31 发布 · 698 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#线性模型

这篇博客通过Python代码展示了如何使用正规方程法拟合线性模型，以萼片宽度、花瓣长度和花瓣宽度预测萼片长度。通过读取iris.csv数据集，构建并求解线性模型的权重系数，最后进行了预测示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Tue Oct 10 23:10:00 2017
Version：python3.5.1
@author: Stone
"""
import pandas as pd
from numpy.linalg import inv
from numpy import dot

# 正规方程法
# 拟合线性模型： Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width
# 该模型以萼片宽度+花瓣宽度+花瓣长度 来推测萼片长度。
#  即模型：Sepal.Length = Sepal.Width * x1 + Petal.Length * x2 + Petal.Width * x3 + b


iris = pd.read_csv('iris.csv')  #读取iris.csv 文件
temp = iris.iloc[:,2:5] #表示在你定义的矩阵iris中，分别是行[0,end),列[2:5)    # iloc直接确定行列数，左闭右开

temp['x0'] = 1    #为了把误差b加入w*=（w,b）向量(周志华的《机器学习》P55页的 w*上面有个‘^’符号，这里不好输入)，temp表格后面加以1列X0，并每行赋值1,就是为了把b吸收进入w*。
X = temp.iloc[:,[0,1,2,3 ]]   #赋值矩阵X为0,1，2,3列，150行。 列名为 Sepal.Width，Petal.Length，Petal.Width，x0
Y = iris.iloc[:,1]   #选取标记列：Sepal.Length ，就是我们的拟合目标Sepal.Length。
Y = Y.values.reshape(len(iris), 1)
#values是返回值 reshape()重塑数组，如这里变成新的1列iris表格长度的列表，形如[[a],[b],...]
#书上Y是标记,就是我们要拟合的目标。

theta_n = dot(dot(inv(dot(X.T, X)), X.T), Y)  # theta = (X'X)^(-1)X'Y  dot是按照矩阵乘法的规