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