机器学习python线性回归（矩阵法求参）

最新推荐文章于 2024-08-21 10:57:28 发布

原创最新推荐文章于 2024-08-21 10:57:28 发布 · 1.3k 阅读

4 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

38 篇文章

订阅专栏

本文介绍了一个简单的线性回归实现过程，包括数据集加载、标准线性回归计算、以及使用matplotlib进行结果可视化。通过具体示例展示了如何从文件读取数据，并利用numpy进行矩阵运算求解回归系数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from numpy import *
def loadDataSet(filename):
    numFeat = len(open(filename).readline().split('\t')) - 1
    dataMat = []
    labelMat = []
    fr = open(filename)
    for line in fr.readlines():
        lineArr = []
        curLine = line.strip().split('\t')
        for i in range(numFeat):
            lineArr.append(float(curLine[i]))
        dataMat.append(lineArr)
        labelMat.append(float(curLine[-1]))
    return dataMat,labelMat
def standRegress(xArr,yArr):
    xMat = mat(xArr)
    yMat = mat(yArr).T
    xTx = xMat.T * xMat
    if linalg.det(xTx) == 0.0:
        print('error')
        return
    ws = xTx.I * (xMat.T * yMat)
    return ws
xArr,yArr = loadDataSet('ex0.txt')
ws = standRegress(xArr,yArr)
xMat = mat(xArr)
yMat = mat(yArr)
yHat = xMat * ws
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(xMat[:,1].flatten().A[0],yMat.T[:,0].flatten().A[0]) #生成一个一维的数组，A[0]将mat变成array，其中0位索引
xCopy = xMat.copy()
xCopy.sort(0)
yHat = xCopy * ws
ax.plot(xCopy[:,1].flatten().A[0],yHat)
plt.show()