今天學習了關於利用python的scipy庫進行線性擬合的內容。主要使用了兩個函式
乙個是polyfit用於將輸入的資料進行擬合，簡單的呼叫方式如下
fp = polyfit(x, y, 1)
其中x,y分別代表輸入的x軸資料和y軸資料， 1代表是回歸的階數, 這裡傳入1代表的是
線性回歸，其擬合方程如下：
y = a * x + b
傳入2的話，其擬合方程如：
y = a * x * x + b * x + c
以此類推
返回值fp代表的是回歸的方程的係數，如果是線性回歸的話，其值可能如下
[1, 2] 對應的回歸方程為y = 1 * x + 2
函式polyfit是用於求解擬合引數的，為了方便利用擬合後的方程來對某個特定輸入的因變數x求解相應的值y
scipy庫提供了poly1d函式，可以將polyfit返回的模型轉化為乙個函式返回，呼叫方式如下
f = poly1d(fp)
predict_y = f(x)
下面是一段將資料做一維線性回歸的**
import scipy as sp
x = ...
y = ...
fp = sp.polyfit(x, y, 1)
f = sp.poly1d(fp)
print(f(10))
機器學習筆記1 線性回歸
資料探勘 人工智慧等領域中存在兩個 分類和回歸 先說回歸 一些簡單的數學題，求解問題往往通過求解未知數，也就是 通過給定的自變數和函式，通過函式求解得到未知數。而機器學習是，通過給定的自變數和函式的解，去求解函式。即求解function x y。通過樣本中大量的特徵 x 和目標變數 y 求得這個函式...
機器學習筆記1 線性回歸
機器學習三要素 演算法 資料 模型 三者關係 利用演算法通過在資料上訓練得到模型，模型可以用來在新的資料上 結果。資料 分為有標註 無標註資料，需要轉化為向量空間模型vsm，供計算機使用 模型 值y 和實際值y誤差越小模型越好。描述y 和y之間差別的函式叫損失函式 loss function 描述整...
機器學習（1） 簡單線性回歸
coding utf8 import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt from matplotlib.font manager import rebuild rebuild mpl.rcpara...