第五次作业

1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性

答：本节主要是进性回归算法的讲解，对于回归算法，是适用于连续性变量的机器算法，向房价预测，

银行贷款的额度预测，它与分类算法不同，分类算法适用于离散型变量的机器算法。如下图

 

 

 线性回归算法的特点：

　　1.建模速度快，不需要很复杂的计算，

　　2.在数据量大的情况下依然运行速度很快。

　　3.可以根据系数给出每个变量的理解和解释。对异常值很敏感。

机器算法的预测是有误差的，回归算法进性误差处理是有两种方法，正规方程和梯度下降法，一般采用后者

 

 

 

 

最后收本节课的总结，包括一些数组的基本知识

 

 

 

2.思考线性回归算法可以用来做什么？

　　答：可以用来预测某人未来某天的听歌时长，或者也可以用来预测未来某天的饮水量。

3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取

 

import random
import time
import numpy as np
import matplotlib.pyplot as plt

_xs = [0.1*x for x in range(10, 20)]
_ys = [5*i+1 for i in _xs]

w = random.random()
b = random.random()

a1 = []
b1 = []


for i in range(50):
    for x, y in zip(_xs, _ys):
        o = w*x + b  #预测值
        e = (o - y)
        loss = e**2
        dw = 2*e*x
        db = 2*e*1
        w = w - 0.1*dw
        b = b - 0.1*db
        print("loss = {0}  w = {1}  b = {2}".format(loss, w, b))

    a1.append(i)
    b1.append(loss)
    plt.plot(a1, b1)
    plt.pause(0.1)
得出结果的w接近5，b接近1

 

 梯度下降之后的图像