資源簡介
利用正規方程矩陣求導進行最小二乘,求得最佳擬合直線。

代碼片段和文件信息
#?-*-?coding:?utf-8?-*-
“““
Created?on?Thu?May??3?16:59:16?2018
@author:?FZ
“““
import?matplotlib.pyplot?as?plt
import?numpy?as?np
import?linear_regression
xArryArr?=?linear_regression.loadDataSet(‘ex0.txt‘)?#得到特征矩陣?以及對應的目標矩陣
ws?=?linear_regression.standRegres(xArryArr)?#得到回歸系數
#ouput?:?y?=?ws[0]?+?ws[1]*x
#drawing
xMat?=?np.mat(xArr)
yMat?=?np.mat(yArr)
yHat?=?xMat*ws??????#prediction?value
fig?=?plt.figure()
ax?=?fig.add_subplot(111)
ax.scatter(xMat[:1].flatten().A[0]yMat.T[:0].flatten().A[0]color=‘k‘)
xCopy?=?xMat.copy()
xCopy.sort(0)?#升序防止次序混亂
yCHat?=?xCopy*ws
ax.plot(xCopy[:1]yCHatcolor=‘k‘)
plt.savefig(‘linear_fitting.png‘dpi=400)
#判斷擬合好壞,算相關系數
correlation_coefficient?=?np.corrcoef(yHat.TyMat)
#1 0.986474
#0.986474 1?模型擬合度?好
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-05-03?17:56??8.1_linear_regression\__pycache__\
?????文件?????????977??2018-05-03?17:56??8.1_linear_regression\__pycache__\linear_regression.cpython-36.pyc
?????文件?????????970??2018-05-03?17:31??8.1_linear_regression\__pycache__\regression.cpython-36.pyc
?????文件?????????895??2018-05-04?10:23??8.1_linear_regression\do_linear_regerssion.py
?????文件????????5600??2011-01-08?10:02??8.1_linear_regression\ex0.txt
?????文件??????124431??2018-05-04?10:23??8.1_linear_regression\linear_fitting.png
?????文件????????1063??2018-05-03?17:56??8.1_linear_regression\linear_regression.py
評論
共有 條評論