机器学习算法导论代码---linear_regression

最新推荐文章于 2024-07-11 11:47:15 发布

原创最新推荐文章于 2024-07-11 11:47:15 发布 · 280 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

机器学习算法导论代码专栏收录该内容

13 篇文章

订阅专栏

该博客介绍了线性回归模型的实现，包括训练（fit）和预测（predict）方法，并提供了均方误差（mean_squared_error）和决定系数（r2_score）的计算函数，用于模型性能评估。

import numpy as np

# 线性回归模型
class LinearRegression:
    def fit(self,X,y):
        # 计算最优解w=((X.T*X)^-1)*X.T*y
        self.w=np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y)

    def predict(self,X):
        return X.dot(self.w)

# 均方误差函数
def mean_squared_error(y_true,y_pred):
    return np.average((y_true-y_pred)**2,axis=0)

# 决定系数的函数
def r2_score(y_true,y_pred):
    numerator=(y_true-y_pred)**2
    denominator=(y_true-np.average(y_true,axis=0))**2
    return 1-numerator.sum(axis=0)/denominator.sum(axis=0)