zoukankan      html  css  js  c++  java
  • 数学之路(3)-机器学习(3)-机器学习算法-最小二乘法与回归[3]

     

    本博客所有内容是原创,未经书面许可,严禁任何形式的转载

    http://blog.csdn.net/u010255642

    回归分析英语:Regression Analysis)是一种统计学上分析数据的方法,目的在于了解两个或多个变量间是否相关、相关方向与强度,并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。

    回归分析是建立因变量Y(或称依变量,反应变量)与自变量X(或称独变量,解释变量)之间关系的模型。简单线性回归使用一个自变量X,复回归使用超过一个自变量(X_1, X_2 ... X_i)。

    简单的单变量线性回归python实现

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    #最小二乘法,单变量线性回归
    #麦好myhaspl@qq.com
    #http://blog.csdn.net/u010255642/
     
    import matplotlib.pyplot as plt
    x =[1,2,3,3,6,12,11]
    y =[3,5,8,5,12,26,20]
    average_x=float(sum(x))//len(x)
    average_y=float(sum(y))/len(y)
    x_sub=map((lambda x:x-average_x),x)
    y_sub=map((lambda x:x-average_y),y)
    x_sub_pow2=map((lambda x:x**2),x_sub)
    y_sub_pow2=map((lambda x:x**2),y_sub)
    x_y=map((lambda x,y:x*y),x_sub,y_sub)
    a=float(sum(x_y))/sum(x_sub_pow2)
    b=average_y-a*average_x
    plt.xlabel('X')
    plt.ylabel('Y')
    plt.plot(x, y, '*')
    plt.plot([0,15],[0*a+b,15*a+b])
    plt.grid()
    plt.title("{0}*x+{1}".format(a,b))
    plt.show()
    


  • 相关阅读:
    7进程、线程、协程
    架构
    5oop面向对象编程
    2流程控制
    redis
    1HTML
    3.函数、递归、模块
    2、变量、数据类型、运算符、流程控制
    一个小公司的性能测试工程师应该如何开展工作
    程序代码调优工具perf学习记录
  • 原文地址:https://www.cnblogs.com/snake-hand/p/3188329.html
Copyright © 2011-2022 走看看