import?numpy?as?np
import?matplotlib.pyplot?as?plt
from?multiprocessing?import?Process?Lock?Array
import?time


def?load_data（filename）:
????“““載入數據。“““
????xys?=?[]
????with?open（filename?‘r‘）?as?f:
????????for?line?in?f:
????????????xys.append（map（float?line.strip（）.split（）））
????????xs?ys?=?zip（*xys）
????????return?np.asarray（xs）?np.asarray（ys）

def?identity_basis（x）:
????ret?=?np.expand_dims（x?axis=1）
????return?ret



def?gaussian_basis（x?feature_num=20）:
????‘‘‘高斯基函數‘‘‘
????#==========
????#todo?‘‘‘請實現高斯基函數‘‘‘
????ret_x?=?np.expand_dims（x?axis=1）
????max_x?=?np.max（x）
????min_x?=?np.min（x）
????line_number?=?ret_x.shape[0]
????l?=?（max_x-min_x）/19
????u?=?np.zeros（（line_number20）dtype=float）
????for?j?in?range?（020）:
????????u[:j]?=?min_x+l*j
????ret?=?np.zeros（（line_number20）dtype=float）
????for?j?in?range（020）:
????????for?i?in?range（0line_number）:
????????????ret[ij]=np.exp（-（（ret_x[i:]-u[ij]）*（ret_x[i:]-u[ij]））/（l*l））
????#==========
???
????return?ret




def?main（x_train?y_train）:
????“““
????訓練模型，并返回從x到y的映射。
????
????“““
????#basis_func?=?identity_basis
????basis_func?=?gaussian_basis
???
????phi0?=?np.expand_dims（np.ones_like（x_train）?axis=1）
????phi1?=?basis_func（x_train）
????phi?=?np.concatenate（[phi0?phi1]?axis=1）
????#==========
????#todo?‘‘‘計算出一個優化后的w，請分別使用最小二乘法以及梯度下降兩種辦法優化w‘‘‘
????w?=?np.zeros（（21）dtype=float）
????w?=?np.linalg.inv（（np.transpose（phi））.dot（phi））.dot（np.transpose（phi））.dot（np.transpose（y_train））
????#==========

????
????def?f（x）:
????????phi0?=?np.expand_dims（np.ones_like（x）?axis=1）
????????phi1?=?basis_func（x）
????????phi?=?np.concatenate（[phi0?phi1]?axis=1）
????????
????????y?=?np.dot（phi?w）
????????return?y
????????pass

????return?f

def?evaluate（ys?ys_pred）:
????“““評估模型。“““
????std?=?np.sqrt（np.mean（np.abs（ys?-?ys_pred）?**?2））
????return?std

#?程序主入口（建議不要改動以下函數的接口）
if?__name__?==?‘__main__‘:
????train_file?=?‘train.txt‘
????test_file?=?‘test.txt‘
????#?載入數據
????x_train?y_train?=?load_data（train_file）
????x_test?y_test?=?load_data（test_file）


????#?使用線性回歸訓練模型，返回一個函數f（）使得y?=?f（x）
????f?=?main（x_train?y_train）

????y_train_pred?=?f（x_train）
????std?=?evaluate（y_train?y_train_pred）
????print（‘訓練集預測值與真實值的標準差：{:.1f}‘.format（std））
????
????#?計算預測的輸出值
????y_test_pred?=?f（x_test）
????#?使用測試集評估模型
????std?=?evaluate（y_test?y_test_pred）
????print（‘預測值與真實值的標準差：{:.1f}‘.format（std））

????#顯示結果
????plt.plot（x_train?y_train?‘ro‘?markersize=3）
????plt.plot（x_test?y_test?‘k‘）
????plt.plot（x_test?y_test_pred?‘k‘）
????plt.xlabel（‘x‘）
????plt.ylabel（‘y‘）
????plt.title（‘Linear?Regression‘）
????plt.legend（[‘train‘?‘test‘?‘pred‘]）
????plt.show（）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????2975??2020-11-04?22:01??linear-model.py
?????文件????????3580??2020-10-29?09:43??test.txt
?????文件????????5315??2020-10-29?09:43??train.txt