5.线性回归算法

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

 回归算法的定义：我们可以根据现有提供的数据进行运算，构建函数模型，对数据进行训练，

                              从而可以用构建好的模型进行预测，得出的结果可以有离散型和连续型。

 

回归算法的应用：房价的预测和销售额的预测

 

 

 

 矩阵：矩阵一个按照长方阵列排列的复数或实数集合，我们可以应用矩阵进行乘法应算、

减法应算和乘法应算等等。

 

 损失函数：通过函数模型运算得到的结果于实际结果的误差大小值，其值是非负数的。

 

 

 

2.思考线性回归算法可以用来做什么？（大家尽量不要写重复）

（1）预测国家GDP；

（2）预测农产品的年产量；

（3）物理实验的结果预测。

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。（加分题）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data=pd.read_excel("E:/课程文件/大三/二/机器学习算法基础/线性回归/二手房信息.xlsx") #加载文件
y3 = data['总价/万']
x3 = data['单价 元/㎡']
x1 = np.array(data.iloc[:,2:3].fillna(value=0).astype(int))
y1 = np.array(data.iloc[:,1:2].fillna(value=0).astype(int))

Xsum=0.0
X2sum=0.0
Ysum=0.0
XY=0.0
n=len(x1)
for i in range(n):
    Xsum+=x1[i]
    Ysum+=y1[i]
    XY+=x1[i]*y1[i]
    X2sum+=x1[i]**2
k=(Xsum*Ysum/n-XY)/(Xsum**2/n-X2sum)
b=(Ysum-k*Xsum)/n
print('线性回归式为：y=%f*x+%f' % (k,b) )
for x2,y2 in zip(x3,y3):
    plt.scatter(x2,y2)
    plt.pause(0.1)
plt.show()