用python实现简单线性回归

最新推荐文章于 2025-04-05 22:06:08 发布

原创最新推荐文章于 2025-04-05 22:06:08 发布 · 554 阅读

1 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

25 篇文章

订阅专栏

本文介绍了一个简单的线性回归模型实现过程，包括定义拟合函数以计算斜率和截距，以及使用该模型进行预测。通过具体示例数据展示了如何进行训练并预测新数据点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as npy
def fitSLR(x,y):
    fenzi = 0
    fenmu = 0
    num=len(x)
    for i in range(num):
        fenzi=fenzi+(x[i]-npy.mean(x))*(y[i]-npy.mean(y))
        fenmu=fenmu+(x[i]-npy.mean(x))**2
    b1=fenzi/float(fenmu)
    b0=npy.mean(y)-b1*npy.mean(x)
    print(b1,b0)
    return b0,b1
def predict(text_x,b1,b0):
    return b1*text_x+b0
x=[1,3,2,1,3]
y=[14,24,18,17,27]
b0,b1=fitSLR(x,y)
rst=predict(6,b1,b0)
print(rst)