一、线性回归介绍
二、线性回归API的应用
from sklearn.linear_model import LinearRegression
def dm01_lr预测身高():
# 1.准备数据集
x = [[160], [166], [172], [174], [180]]
y = [56.3, 60.6, 65.1, 68.5, 75]
# 2. 实例化模型
estimator = LinearRegression()
# 3.训练模型
estimator.fit(x, y)
# 4. 打印模型参数
print('estimator.coef->', estimator.coef_)
print('estimator.intercept_->', estimator.intercept_)
# 5. 模型预测
myres = estimator.predict([[176]])
print('myres', myres)
if __name__ == '__main__':
dm01_lr预测身高()一元线性回归和多元线性回归均有解析解，
三、梯度下降法
多元线性回归的逆矩阵首先不一定存在，就是存在求逆也是非常大的计算量。此时可以考虑梯度下降法。
梯度下降法的分类
