python多元线性回归及三维可视化

kerreny

于 2019-11-23 19:45:29 发布

阅读量5.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： python数据处理基础 python画图

本文链接：https://blog.youkuaiyun.com/weixin_45414380/article/details/103217823

这篇博客介绍了如何使用Python进行多元线性回归分析，并结合实例展示了三维可视化的实现过程，通过目标函数Y=A*X1+B*X2+C探讨了相关概念和技术。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考链接：https://www.jianshu.com/p/d2b926c458d9

目标函数：Y=A*X1+B*X2+C

代码：

import pandas as pd
import numpy as np
from io import StringIO
from urllib import request
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import ssl
import numpy as np


def costFunc(X,Y,theta):
    inner = np.power((X*theta.T)-Y,2)
    return np.sum(inner)/(2*len(X))

def gradientDescent(X,Y,theta,alpha,iters):
    temp = np.mat(np.zeros(theta.shape))
    cost = np.zeros(iters)
    thetaNums = int(theta.shape[1])
    print(thetaNums)
    for i in range(iters):
        error = (X*theta.T-Y)
        for j in range(thetaNums):
            derivativeInner = np.multiply(error,X[:,j])
            temp[0,j] = theta[0,j] - (alpha*np.sum(derivativeInner)/len(X))

        theta = temp
        cost[i] = costFunc(X,Y,theta)

    return theta,cos