1.本節重點知識點用自己的話總結出來，可以配上，以及說明該知識點的重要性
1) 回歸演算法：
2) 線性回歸：
（1）老師舉了線性回歸的應用：
①房價**；
②銷售額**；
③貸款額度**；
（2）在這個圖中，線性回歸的資料應該是連續型的，如果拿到的資料如上圖的紅色點，那就不符合線性回歸模型。
（3）這個知識點是用**比較資料和矩陣相乘的結果
3) 機器學習
梯度下降**：
# 梯度下降
import random
import time
import matplotlib.pyplot as plt
# 產生資料
_xs = [0.1 * x for x in range(0, 10)]
_ys = [12 * i + 4 for i in _xs]
print(_xs)
print(_ys)
w = random.random()
b = random.random()
a1 =
b1 =
for i in range(100):
for x, y in zip(_xs, _ys):
o = w * x + b # **值
e = (o - y) # 誤差
loss = e ** 2 # 損失
dw = 2 * e * x # 對w求導
db = 2 * e * 1 # 對d求導
# 梯度下降，
0.1為學習率
w = w - 0.1 * dw
b = b - 0.1 * db
# 最終結果：
loss
越小越好，w接近
12，b接近
4print('loss=,w=,b='.format(loss, w, b))
plt.plot(a1, b1)
plt.pause(0.1)
plt.show()
2.思考線性回歸演算法可以用來做什麼？（大家盡量不要寫重複）
如老師說的那般，線性回歸演算法可用迭代演算法來減少誤差，將損失函式最小化，也是基於已有的資料對新的資料進行**，所以可用於：①**某種產品的銷量 ②根據每天地方的患病率，**疫情的走向等等。
3.自主編寫線性回歸演算法 ，資料可以自己造，或者從網上獲取。（加分題）
# 資料讀取與預處理
data = pd.read_csv('./python智慧型/python大作業/201706120047吳狄2.csv')
data2 = pd.read_csv('./python智慧型/python大作業/測試集2.csv')
x = data.iloc[1:,6:8]
y = data2.iloc[1:,2:3]
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.5,random_state=5)
# 構建邏輯回歸模型
lr_model = logisticregression()
# 訓練模型
lr_model.fit(x_train,y_train.astype('int'))
# **模型
pre = lr_model.predict(x_test)
print('模型的正確率：',lr_model.score(x_test,y_test.astype('int')))
lr_model =logisticregression().fit(x_train,y_train.astype('int'))
第五次作業
一 問題及 include using namespace std class time void add a minute void add an hour void add seconds int n void add minutes int n void add hours int n voi...
第五次作業
當我們在討論多型性的時候，通常會用過載函式進行舉例，而這次發現的問題主要在過載運算子上，因此我希望通過對過載運算子的測試來得出乙個結論。我們想知道為什麼前置運算子和後置運算子會有區別，因此設計了乙個實驗來證明它 得到最終結果如預期那樣。通過這次作業，我能感受到前置和後置運算子的區別，通過x 和y x...
第五次作業
insert into student sno,sname,s sdept,sage values 201215128 陳冬 男 is 18 建表時規定學號唯一，而在建表時已經加入了該學號，所以不能有兩個相同學號。3.70 insert into student sno,sname,s sdept,...