一元線性迴歸模型
import math
D = [(65, 6), (50, 5), (120, 15), (98, 12), (51, 6), (66, 8), (70, 10), (78, 11), (75, 10), (120, 8), (45, 7)]
# 該資料集表示(體重,血糖值) 體重為x 血糖值為標記
# 一元線性迴歸試圖求得g=ax+b使g擬合f 輸入一個新的x,得g(x)來預測f(x)
#求w
def getW(D):
w = 0
x_mean = 0
total = 0
i = 0
for element in D:
total = total+element[0]
i = i+1
x_mean = total/i
#定義分子
fenzi = 0
fenmu = 0
#計算分子
total_fenzi = 0
for element in D:
total_fenzi=total_fenzi+(element[1]*(element[0]-x_mean))
#分母第一項和分母第二項
fenzi = total_fenzi
fenmu_1 = 0
fenmu_2 = 0
fenmu_2_total = 0
for element in D:
fenmu_1 = fenmu_1+element[0]*element[0]
j = 0
for element in D:
fenmu_2_total = fenmu_2_total+element[0]
j = j+1
fenmu_2 = (fenmu_2_total*fenmu_2_total)/j
fenmu = fenmu_1-fenmu_2
w = fenzi/fenmu
return w
#計算b
w = getW(D)
def getB(D, w):
i = 0 #計數器
b = 0
b_element = 0
for element in D:
b_element = b_element+(element[1]-w*element[0])
i = i+1
b = b_element/i
return b
b = getB(D,w)
test = 0
def g(test, D):
z = 0
z = w*test+b
return z
print("輸出學得模型w值為:")
print(w)
print("輸出學得模型B值為:")
print(b)
print("測試輸入3所得g(x)為多少:")
print(g(45, D))
相關文章
- 多元線性迴歸模型模型
- PRML 迴歸的線性模型模型
- Spark 線性迴歸模型異常Spark模型
- 利用TensorFlow實現線性迴歸模型模型
- 機器學習-線性迴歸機器學習
- 1.3 - 線性迴歸
- 模式識別與機器學習——迴歸的線性模型模式機器學習模型
- 從本地讀取兩個陣列,計算一元線性迴歸陣列
- 機器學習 | 線性迴歸與邏輯迴歸機器學習邏輯迴歸
- 線性迴歸模型公式推導完整簡潔版模型公式
- 計量經濟學複習筆記(二):一元線性迴歸(下)筆記
- 機器學習之線性迴歸機器學習
- 線性迴歸實戰
- 機器學習整理(線性迴歸)機器學習
- 線性迴歸總結
- 4-線性迴歸
- [DataAnalysis]機器學習演算法——線性模型(邏輯迴歸+LDA)機器學習演算法模型邏輯迴歸LDA
- 使用線性迴歸模型預測黃金ETF價格模型
- 線性迴歸演算法演算法
- 【機器學習】線性迴歸預測機器學習
- 資料分析:線性迴歸
- 機器學習5-線性迴歸機器學習
- 線性迴歸原理小結
- 線性迴歸-程式碼庫
- python實現線性迴歸之簡單迴歸Python
- 線性迴歸-如何對資料進行迴歸分析
- 線性迴歸—求解介紹及迴歸擴充套件套件
- 線性迴歸演算法模型與線性分類演算法模型聯絡與區別初探演算法模型
- 決策樹、邏輯迴歸、線性迴歸使用時注意事項以及模型過擬合策略邏輯迴歸模型
- TensorFlow實現線性迴歸
- 線性迴歸基礎程式碼
- 【機器學習】線性迴歸原理介紹機器學習
- 【機器學習】線性迴歸sklearn實現機器學習
- spark-mlib線性迴歸Spark
- EVIEWS 簡單線性迴歸 02View
- 機器學習實戰(一)—— 線性迴歸機器學習
- 線性迴歸(吳恩達機器學習)吳恩達機器學習
- spark Ml 機器學習之 線性迴歸Spark機器學習