#02 Multi-Linear Regression

这篇博客探讨了多变量线性回归的实现,强调了数据预处理中正常化的必要性。由于D语言没有内置的矩阵支持,作者在不引入大型库如gsl的情况下感到困扰,尽管未来可能会使用gsl。目前得出的最佳拟合结果为0.2,这与迭代次数有关,完整的图表将在后续更新中提供。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

依然是联系, 只不过是多变量的

但这次有点不一样, 因为你不得不normalization


结果是这个样子的

1.92077e+11	0.05
109139	-6719.28	340310
1.92102e+11	0.1
108828	-6864.04	340200
1.92144e+11	0.15
108512	-7010.52	340089
1.92206e+11	0.2
108192	-7159.55	339976
1.92286e+11	0.25
107869	-7310.78	339861
1.92386e+11	0.3
107541	-7464.25	339742
1.92507e+11	0.35
107210	-7619.77	339621
1.92649e+11	0.4
106876	-7777.23	339498
1.92812e+11	0.45

程序像这个样子


import std.stdio, std.math, std.conv, std.random, std.string;

class fit{
	float a,b,c;
	float alpha = 0.7;
	float m;

	float h(float x, float y){
		return a*x+b*y+c;
	}

	void update(float x, float y, float z){
		auto y1 = alpha*(h(x, y)-z)/m;
		a -= y1*x;
		b -= y1*y;
		c -= y1;
	}

	this(float m){
		a = uniform(-1.,1.);
		b = uniform(-1.,1.);
		c = uniform(-1.,1.);
		this.m = m;
	}
}

int main(){
	float[][2] x;
	float[] y;
	float[2] mean = 0;
	foreach(l;File("ex3x.dat").byLine){
		int k=0;
		foreach(s;split(l, " ")){
			if (strip(s).length == 0) continue;
			x[k] ~= to!float(strip(cast(string)s));
			mean[k] += x[k][$-1];
			k=(k+1)%2;
		}
	}

	x[0][] -= mean[0] / x[0].length;
	x[1][] -= mean[1] / x[1].length;
	float[2] sig = 0;
	foreach(i,arr;x) foreach(v;arr){
		sig[i] += v^^2;
	}
	x[0][] /= sqrt(sig[0]/x[0].length);
	x[1][] /= sqrt(sig[1]/x[1].length);

	foreach(l;File("ex3y.dat").byLine){
		 y ~= to!float(strip(cast(string)l));
	}

	foreach(alpha;1..31){
		auto f = new fit(y.length);
		f.alpha = cast(float)alpha/20.;
		foreach(k;0..1000){
			foreach(i,v;y){
				f.update(x[0][i], x[1][i], v);
			}
		}
		float j=0;
		foreach(i,v;y){
			j += (f.h(x[0][i],x[1][i])-v)^^2;
		}
		writeln(j,"\t",f.alpha);
		writeln(f.a,"\t",f.b,"\t",f.c);
		delete f;
	}
	return 0;
}

没有内建的矩阵支持还是很痛苦的.

这种小程序我又不想导入gsl. 不过马上就会用到gsl了.

图明天画, 今天收工.




在我这里是0.2最好, 其实和迭代次数有关.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值