简单线性回归-最小二乘法公式推导
2018-03-26 11:54
471 查看
附python代码:(网上很多版本bo计算公式有误)import numpy as np
def LSmethod(x,y):
n=len(x)
numerator = 0#分子
dinominator=0#分母
for i in range(0,n):
numerator +=(x[i]-np.mean(x))*(y[i]-np.mean(y))
dinominator+=(x[i]-np.mean(x))**2
b1=numerator/float(dinominator)
b0=np.mean(y)-b1*np.mean(x)
return b0,b1
def predict(x,b0,b1):
return b0+b1*x
x = [1, 3, 2, 1, 3]
y = [14, 24, 18, 17, 27]
b0, b1 =LSmethod(x, y)
print( "intercept:", b0, " slope:", b1)
x_test = 6
y_test = predict(6, b0, b1)
print ("y_test:", y_test)
相关文章推荐
- 2.1 线性回归算法学习——简单线性回归算法的原理及推导过程
- 多元线性回归推导 — Multi-Variable Linear Regression Derivation
- 简单线性回归分析【笔记】
- 从零开始机器学习001-线性回归数学推导
- 【机器学习】线性回归相关推导
- 线性回归推导和总结
- 使用Eviews做简单线性回归
- R语言写简单线性回归
- 简单线性回归
- 简单线性回归的Python实现
- 线性回归算法 及其推导
- Logistic回归的简单推导过程
- 简单线性回归
- R语言基础入门之五:简单线性回归
- 机器学习练习一:简单线性回归
- 机器学习笔记:简单线性回归
- #线性回归推荐#根据极大似然和样本分布情况 推导线性回归
- [置顶] 吴恩达机器学习笔记——指数分布族&广义线性模型&逻辑回归概率模型推导
- 线性回归,加权回归,推导过程
- 简单线性回归学习