24/8/4算法笔记 线性回归

在简单或多元线性回归中,最小二乘法用来估计模型参数,使得预测值与实际值之间的差异(残差)的平方和最小。

最小二乘法

导入代码包

复制代码
import numpy as np

X=np.array([[1,1],[2,1]])
X

构建矩阵

复制代码
y=np.array([14,10])
y

linalg是线性代数,用于求解线性方程组 Ax=b,solve计算线性代数回归问题

复制代码
np.linalg.solve(X,y)

转置

复制代码
X.T

矩阵乘法

复制代码
a=X.T.dot(X)

逆矩阵(inv)

复制代码
#逆矩阵
B=np.linalg.inv(a)
B

导入线性回归函数

复制代码
from sklearn.linear_model import LinearRegression

#LinearRegression 是一个常用的线性回归模型,用于预测连续的输出值。
model = LinearRegression(fit_intercept=False)#False,不计算斜率,没有使用正规方程

#X数据,y目标值
display(X,y)
model.fit(X,y)#这行代码用于训练模型。
model.coef_#结果,返回值#系数,斜率

获得截距项

复制代码
model.intercept_#表示截距项

带截距的线性方程

复制代码
y=y+12
y
复制代码
# 假设 X 是已经存在的一个 NumPy 数组,这里我们创建一个示例 X 来模拟
X = np.array([[1, 2], [3, 4]])

# 使用 np.full 创建一个形状为 (2, 1),填充值为 1 的数组,确保行数与 X 匹配
ones_array = np.full((X.shape[0], 1), fill_value=1)

# 使用 np.concatenate 在 X 的每行末尾添加 ones_array
X = np.concatenate([X, ones_array], axis=1)

# 假设 display 函数和 y 变量已经定义
display(X, y)

正规方程计算

复制代码
import matplotlib.pyplot as plt
import numpy as np

X=np.linspace(0,10,num=30).reshape(-1,1)#np.linspace(0, 10, num=30) 
这个函数会生成一个包含 30 个元素的数组,这些元素在 0 到 10 之间均匀分布。linspace 函数的第一个参数是起始值,第二个参数是结束值,第三个参数 num 是生成的元素数量。

斜率和截距随机生成

复制代码
w = np.random.randint(1,5,size=1)
b = np.random.randint(1,10,size=1)

y=X*w+b+np.random.randn(30,1)

plt.scatter(X,y)#绘制散点图
相关推荐
im_AMBER17 分钟前
CSS 01【基础语法学习】
前端·css·笔记·学习
摇滚侠18 分钟前
Spring Boot 3零基础教程,深度理解 Spring Boot 自动配置原理,笔记11
spring boot·笔记·后端
朝新_18 分钟前
【优选算法】第一弹——双指针(上)
算法
艾莉丝努力练剑41 分钟前
【C++STL :stack && queue (一) 】STL:stack与queue全解析|深入使用(附高频算法题详解)
linux·开发语言·数据结构·c++·算法
CoovallyAIHub1 小时前
ICLR 2026 惊现 SAM 3,匿名提交,实现“概念分割”,CV领域再迎颠覆性突破?
深度学习·算法·计算机视觉
fanstering1 小时前
腾讯混元P3-SAM: Native 3D Part Segmentation
笔记·学习·3d·点云
IT古董1 小时前
【第五章:计算机视觉-计算机视觉在工业制造领域中的应用】1.工业缺陷分割-(2)BiseNet系列算法详解
算法·计算机视觉·制造
电鱼智能的电小鱼1 小时前
服装制造企业痛点解决方案:EFISH-SBC-RK3588 预测性维护方案
网络·人工智能·嵌入式硬件·算法·制造
yan8626592461 小时前
于 C++ 的虚函数多态 和 模板方法模式 的结合
java·开发语言·算法
小此方2 小时前
C语言自定义变量类型结构体理论:从初见到精通(下)
c语言·数据结构·算法