# -*- coding=utf8 -*-
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import _rebuild
_rebuild(
)# mpl.rcparams['font.family'] = 'simhei'
# 披薩直徑
x = np.array([[
6],[
8],[
10],[
14],[
18]])
.reshape(-1
,1)# shape: (5, 1)
y =[7,
9,13,
17.5,18
]plt.figure(
)plt.title(
'披薩**與直徑對比'
)plt.xlabel(
'直徑（英吋）'
)plt.ylabel(
'**（美元）'
)plt.plot(x, y,
'k.'
)plt.axis([0
,25,0
,25])
plt.grid(
true
)plt.show(
)
使用線性回歸進行訓練，並**12寸披薩**：
from sklearn.linear_model import linearregression
model = linearregression(
)model.fit(x, y)
test_pizza = np.array([[
12]])
predicted_price = model.predict(test_pizza)[0
]# print('12寸披薩****：$%.2f' % predicted_price)
print
(f'12寸披薩****：$'
)
12寸披薩****：$13.68
求解殘差平方和：
print
(f'殘差平方和：'
)
殘差平方和：1.75
機器學習回歸篇 簡單線性回歸
之前的幾篇裡面講了機器學習分類問題的一些演算法，下面幾篇來講一下回歸問題。回歸問題和分類問題有什麼區別呢？分類問題 的結果是一些類別值，比如說，顏色類別，電腦品牌，有無信譽等。回歸問題 的是連續型的數值，如房價，人數，降雨量等等 生活中我們做決定的過程通常是根據兩個或多個變數之間的關係，解決回歸問題...
機器學習線性回歸 機器學習中的簡單線性回歸步驟
簡單線性回歸，這是一種基於自變數值 x 來 因變數值 y 的方法。假設這兩個變數是線性相關的。因此，我們嘗試尋找一種根據特徵或自變數 x 的線性函式來精確 響應值 y 我們將按照之前的資料預處理資訊圖表那樣來執行相同的步驟 其中第三相關庫matplotlib是用來視覺化資料的。匯入資料集 檢查缺失資...
機器學習 線性回歸（ 簡單線性回歸的實現）
案例 給定一組資料 1,1 2,3 3,2 4,3 5,5 試通過簡單線性回歸求出擬合的直線，並能根據擬合的直線計算給定資料集的 值。1 繪製出影象。2 根據公式計算a和b的值。3 將要 的資料代入到擬合直線的方程進行計算。紅色直線即我們通過簡單線性回歸得到的擬合函式。將簡單線性回歸編寫為乙個類，在...