多元线性回归学习疑点记录

方程：Y=Xβ 

求解多元线性回归问题就是求解β：

因为X不一定是方阵，所以不能直接β=X-1Y

两边同时乘以Xt，得到XtY=XtXβ

因为XtX是方阵，它的逆是(XtX)-1，所以两边同时乘(XtX)-1得到

(XtX)-1XtY=β

 

• （1）np.linalg.inv()：矩阵求逆
• （2）np.linalg.det()：矩阵求行列式（标量）

 

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配 

 

fit_transform

sklearn里的封装好的各种算法都要fit、然后调用各种API方法，transform只是其中一个API方法，所以当你调用除transform之外的方法，必须要先fit，为了通用的写代码，还是分开写比较好 

 

numpy--函数 shape用法 

shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。

• >>> c = array([[1,1],[1,2],[1,3],[1,4]])  
• >>> c.shape  
• (4, 2)  
• >>> c.shape[0]  
• 4  
• >>> c.shape[1]  
• 2 

 

numpy.reshape（重塑）

给数组一个新的形状而不改变其数据

创建一个数组a，可以看到这是一个一维的数组

使用reshape()方法来更改数组的形状，可以看到看数组d成为了一个二维数组

从 ".data" 到 ".csv"

https://blog.youkuaiyun.com/A_D_E/article/details/79467091