pytho简单线性回归
2018-01-20 14:03
323 查看
#简单线性回归:只有一个自变量 y=k*x+b 预测使 (y-y*)^2 最小 import numpy as np def fitSLR(x,y): n=len(x) dinominator = 0 numerator=0 for i in range(0,n): numerator += (x[i]-np.mean(x))*(y[i]-np.mean(y)) # 累加 加权 dinominator += (x[i]-np.mean(x))**2 # 累加 加权 #print("numerator:"+str(numerator)) # 分子 #print("dinominator:"+str(dinominator)) #分母 b1 = numerator/float(dinominator) # 分子/分母 得到 斜率 5 #b0 = np.mean(y)/float(np.mean(x)) # 得到偏向 20 b0 = np.mean(y) - b1 * float(np.mean(x)) # 得到偏向 20 ''' 斜率 b1 = 每一个x的值 减去 x的均值 乘以 每一个y的值 减去 y的均值 在 加权 除以 每一个x的值 减去 x的均值 的 平方 后的 加权 y的均值 = b1 斜率 乘以 x的均值 加上 b0偏向 ''' print( '斜率 b1 : ',b1 ) print( '偏向 b0 : ',b0 ) return b0,b1 # y= b0+x*b1 def prefict(x,b0,b1): return b0+x*b1 x=[1,3,2,1,3] # 2 y=[14,24,18,17,27] # 20 b0,b1=fitSLR(x, y) y_predict = prefict(6,b0,b1) print("y_predict:"+str(y_predict))
相关文章推荐
- 简单线性回归-最小二乘法公式推导
- 简单线性回归的随机梯度下降算法实现:Linear Regression - SGD
- 简单线性回归分析【笔记】
- 简单线性回归
- 简单线性回归
- R语言基础入门之五:简单线性回归
- R语言简单(一元)线性回归分析
- 运用TensorFlow进行简单实现线性回归、梯度下降示例
- 简单线性回归
- 简单线性回归的参数预测
- python实现简单线性回归
- 机器学习-线性回归python简单实现
- 简单线性回归
- R语言中Gibbs抽样的Bayesian简单线性回归
- tensorflow入门Day1-简单线性回归
- 简单线性回归1
- 机器学习练习一:简单线性回归
- 简单线性回归的Python实现
- 简单线性回归
- [置顶] 【算法 机器学习】MATLAB、R、python三种编程语言实现简单线性回归算法比较