一元线性回归算法和sigmoid函数

最新推荐文章于 2024-08-19 20:05:23 发布

原创

最新推荐文章于 2024-08-19 20:05:23 发布 · 875 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #算法

本文介绍了如何使用Python实现一元线性回归算法，并展示了如何计算回归系数和进行预测。此外，还涉及sigmoid函数的应用及其图形展示。

                              **机器学习基础**

一元线性回归算法

1. 介绍
一元线性回归分析预测法，是根据自变量x和因变量y的相关关系，建立x与y的线性回归方程进行预测的方法。由于市场现象一般是受多种因素的影响，而并不是仅仅受一个因素的影响。所以应用一元线性回归分析预测法，必须对影响市场现象的多种因素做全面分析。只有当诸多的影响因素中，确实存在一个对因变量影响作用明显高于其他因素的变量，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测。
一元线性回归分析法的预测模型：
在这里插入图片描述
xt代表t期自变量的值；
代表t期因变量的值；
a、b代表一元线性回归方程的参数。
a、b参数由下列公式求得（用代表）：

2. Python来实现一元线性回归的算法：
代码里都有注释，我就不进行详细解释了

import numpy as np
import matplotlib.pyplot as plt
"""
函数说明：一元线性回归算法 
Parameters：
    denominator  分母
    numerator    分子
"""
if __name__=='__main__':
    x = np.array([1,2,4,6,8])
    y = np.array([2,5,7,8,9])
    x_mean = np.mean(x)
    y_mean = np.mean(y)