机器学习计算一元一次和二元一次方程的系数（sklearn和paddle）

最新推荐文章于 2023-07-26 16:37:51 发布

xdreamman

最新推荐文章于 2023-07-26 16:37:51 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python 线性回归

本文链接：https://blog.youkuaiyun.com/xdreamman/article/details/105575372

这篇博客通过已知数据x和y，运用paddle库计算2元一次方程的系数。以9组数据为例，展示了如何通过线性回归模型进行迭代学习，得出准确的方程系数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

已知一组数据x

array([[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9]])

对应y

array([[10],
[20],
[30],
[40],
[50],
[60],
[70],
[80],
[90]])
求系数a

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
from sklearn.externals import joblib

import numpy as np
# ax=y 求a
x = np.arange(1, 10)
x = x.reshape((9, 1))
y = np.arange(10, 100, 10)
y = y.reshape((9, 1))
# 数据划分
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)


estimator = LinearRegression()  # 线性回归(正规方程)
estimator.fit(x_train, y_train)

# 模型保存
# joblib.dump(estimator, './test.pkl')
# 模型加载
# estimator = joblib.load('./test.pkl')

y_predict = estimator.predict(x_test)
print(y_predict[:3])
print(y_test[:3])
print("系数:", estimator.coef_)
print('偏置:', estimator.intercept_)

error = mean_squared_error(y_test, y_predict)
print("误差为：", error)

输出：

[[90.]
 [20.]
 [40.]]
[[90]
 [20]