py2.7 : 《机器学习实战》3.1号：预测数值型数据：回归

最新推荐文章于 2020-11-25 15:09:08 发布

原创

最新推荐文章于 2020-11-25 15:09:08 发布 · 616 阅读

0 ·

CC 4.0 BY-SA版权

一、线性回归

# -*- coding: utf-8 -*-
from numpy import *
def loadData(fileName):
    numFeat = len(open(fileName).readline().split('\t')) - 1 #通过这样的划分得到特征数
    #print "numFeat = " , numFeat
    dataMat = []  ; labelMat = []
    fr = open(fileName)
    for line in fr.readlines():
        lineArr = []
        curLine = line.strip().split('\t') #把一行划分为三个部分
        #print "curLine = " , curLine
        for i in range(numFeat):
            lineArr.append(float(curLine[i])) #把每行的前两个加入特征集里
        dataMat.append(lineArr)#加入特征集
        labelMat.append(float(curLine[-1])) #加入标签里
    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  "this matrix is singular , cannot do inverse "
        return
    ws = xTx.I * (xMat.T * yMat) #结论：最小二乘法求最优解
    return ws

进行回归预测：