一元线性回归——最小二乘法详细介绍

系列文章目录

最小二乘法算法介绍以及python代码实现

文章目录

• 系列文章目录
• 前言
• 一、最小二乘法介绍
• 二、使用步骤

  • 目录

    系列文章目录

    文章目录

    前言

    一、最小二乘法介绍

    二、使用python实现步骤

    1.引入库

    2.读入数据

    3.逻辑实现

    3.1这里我用三个自定义函数搞定

    第一个函数（kbcost）用于计算斜率以及截距和损失值

    详细介绍：如下公式原理

    第二个函数用于画图，将我们求的k,和b值绘制成线性方程

    最后一个主函数

    总结

    ---

    1.引入
  • 2.读入数
• 总结

---

前言

形如：y=k*x+b的图像。我们可以根据点到直线的距离计算出距离，使得距离最小。得到一个关于k与b的一元线性方程。为了使得距离最小，在高等数学里面一般就是求导、当倒数等于零时取最小。所以说我们要对这个一元线性方程对k,b分别进行求导。

最后算出两个关于k和b的式子到这一步基本上我们回归方程基本构建完成。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、最小二乘法介绍

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用python实现步骤

1.引入库

代码如下（示例）：导入画图以及numpy库

import numpy as np
import matplotlib.pyplot as plt

2.读入数据

代码如下（示例）：编写一个读取csv的函数&#x