7、Python 数据处理与分析：NumPy、Pandas 及 Google Colab 应用

最新推荐文章于 2025-09-18 00:27:44 发布

tree

最新推荐文章于 2025-09-18 00:27:44 发布

阅读量59

点赞数

CC 4.0 BY-SA版权

分类专栏： Python数据可视化精要文章标签： Python 数据处理数据分析

本文链接：https://blog.youkuaiyun.com/tree/article/details/151093616

Python数据可视化精要专栏收录该内容

18 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

Python 数据处理与分析：NumPy、Pandas 及 Google Colab 应用

1. 用逐次逼近法计算均方误差（MSE）

在二维平面中，为了确定一组点的最佳拟合线方程，我们可以使用逐次逼近法计算“delta”近似值。下面的代码示例通过添加一个表示轮数（epochs）的外循环，对之前的代码进行了扩展。

import numpy as np
import matplotlib.pyplot as plt

# %matplotlib inline

X = [0,0.12,0.25,0.27,0.38,0.42,0.44,0.55,0.92,1.0]
Y = [0,0.15,0.54,0.51, 0.34,0.1,0.19,0.53,1.0,0.58]

#uncomment to see a plot of X versus Y values
#plt.plot(X,Y)
#plt.show()

costs = []
#Step 1: Parameter initialization
W = 0.45 
b = 0.75

epochs = 100
lr = 0.001
for j in range(1, epochs):
  for i in range(1, 100):
    #Step 2: Calculate Loss
    Y_pred = np.multiply(W, X) + b
    Loss_error = 0.5 * (Y_pred - Y)**2
    loss = np.sum(Loss_error)/10

    #Step 3: Calculate dW and db
    db = n