LinearRegression简单实现

原创

已于 2022-09-14 22:28:51 修改 · 255 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy #机器学习

于 2022-07-20 17:44:29 首次发布

本文介绍了如何使用Python构建一个简单的线性回归模型，包括理论基础、梯度下降算法的实现，以及通过实例演示了训练过程和预测功能。通过代码展示了如何计算成本函数并优化参数，最后展示测试阶段的预测效果。

一、理论

二、代码

一、理论

二、代码

Y_pred = b0 + b1*X

import numpy as np
import matplotlib.pyplot as plt

class LinearRegression:
    def __init__(self, X, Y):
        self.X = X
        self.Y = Y
        self.b = [0, 0]

    # 更新参数
    def update_coeffs(self, learing_rate):
        Y_pred = self.predict()
        Y = self.Y
        X = self.X
        m = len(self.Y)
        b = self.b
        self.b[0] = b