PyQt5实现线性回归算法

单变量线性回归

预测线性方程可以用下式表示：

训练样本的目标值与预测计算所得的目标值之间存在一个误差ε：

ε=h_θ(x)-y      (服从高斯分布)

为了让误差越来越小，根据最小二乘法得到所需的目标函数：

通过批量梯度下降法使目标函数达到极值点：

通过迭代计算得到我们所需的曲线。

工具：Python3.6+PyCharm+Numpy+Pandas+PyQt5+Matplotlib

代码实现:

#创建所需的线性包 linear

#导入数据

import sys
import matplotlib.pyplot as plt
import numpy  as np
import pandas as pd

def ToData():
    path="Data.txt"
    data=pd.read_csv(path,header=None,names=['x','y'])
    return data
#定义代价函数

def costfun(X,y,Theta):
    inner=np.power(((X*Theta.T)-y),2)
    return np.sum(inner)/(2*len(X))
#提取数据，具体可参考Pandas用法

def data_taking(data):
    data.insert(0,'Ones',1)
    cols=data.shape[1]
    X=data.iloc[:,0:cols-1]
    y=data.iloc[:,cols-1:cols]
    X=np.matrix(X.values)
    y=np.matrix(y.values)
    theta=np.ma