最新回归算法理解、实现及应用(1)线性回归
来源:互联网 发布:2k16捏脸数据科比 编辑:程序博客网 时间:2024/06/06 07:31
一、回归模型间的关系,回归是统计学中最有力的算法之一:
1.1 回归:(regression):用已知样本对未知公式参数的估计,给出一个点集D,用一个函数去拟合这个点集,并且使得点集与拟合函数间的误差最小,如果这个函数曲线是一条直线,那就被称为线性回归,如果曲线是一条二次曲线,就被称为二次回归。
1.2.线性回归(linear regression):回归的一种,回归函数是一次函数,例如:f(x,y,z,…)=ax+by+cz+…+…其中x,y,z是训练样本集中样本的各个特征(feature),a,b,c是模型的未知参数。
1.3.逻辑回归(logistic regression):将result归一化到[0, 1]区间,即使用一个逻辑方程将线性回归归一化。
二 、线性回归(linear regression)
线性回归中的函数并不是指线性函数,属于监督学习。
hθ(x)=θ0+θ1x
我们常称x为feature,h(x)为hypothesis
diabetes dataset (数据集)
- 样本总数 442
- 维数 10 这里只用到了1维
- 特征范围-.2 < x < .2
- 标签:integer 25 - 346
#_*_ coding:utf-8 _*_#__author__=="dragon"import matplotlib.pyplot as plt import numpy as np from sklearn import datasets,linear_model#从sklearn中导入数据diabetes = datasets.load_diabetes()#只用到数据集中的一种特征diabetes_x = diabetes.data[:,np.newaxis,2]#将数据分成训练和测试集diabetes_x_train = diabetes_x[:-20]##442diabetes_x_test = diabetes_x[-20:]##20##将标签分为测试和训练集合diabetes_y_train = diabetes.target[:-20]diabetes_y_test = diabetes.target[-20:]##建立一个线线回归对象regr = linear_model.LinearRegression()#训练regr.fit(diabetes_x_train,diabetes_y_train)#coefficientsprint('coefficients = %f\n' % float(regr.coef_))##均方误差(残差)print('Residual sum of squares: %.2f' % np.mean((regr.predict(diabetes_x_test)-diabetes_y_test)**2))##变异指数,为1时最优print('variance score: %.2f' % regr.score(diabetes_x_test,diabetes_y_test))##输出图plt.scatter(diabetes_x_test,diabetes_y_test,color='red')plt.plot(diabetes_x_test,regr.predict(diabetes_x_test),color='blue',linewidth=3)plt.xticks(())plt.yticks(())plt.show()
输出结果:
coefficients = 938.237861Residual sum of squares: 2548.07variance score: 0.47
输出图片:
源码地址:
我戳!!!!!
1 0
- 最新回归算法理解、实现及应用(1)线性回归
- 最新回归算法理解、实现及应用(2)logistic回归
- 机器学习-线性回归算法(python实现)个人理解
- 线性回归算法实现
- 线性回归算法及用python实现
- 简单线性回归及实现
- 回归模型-线性回归算法
- 理解线性回归(四)——总结线性回归
- 机器学习经典算法详解及Python实现--线性回归(Linear Regression)算法
- 机器学习经典算法详解及Python实现--线性回归(Linear Regression)算法
- 线性回归及在R中应用(一)
- 回归算法——python实现线性回归
- 局部加权线性回归及岭回归之Python实现
- 线性回归及梯度下降算法详解
- 线性回归(linear-regression)预测算法基本概念&C++实现
- 线性回归算法实现(最小二乘法, 梯度下降)
- java实现一元线性回归算法
- 理解线性回归(二)——Logistic Regression 回归
- 【cocos3.9+box2d+tileMap】制作马里奥游戏(一)
- Solr调用示例
- iOS 开发 nib , xib, storyboard 区别
- CentOS 安装zabbix-server和zabbix-agent
- 实现线程同步的方法
- 最新回归算法理解、实现及应用(1)线性回归
- nil、Nil、NULL、NSNull的区别
- Scala单例对象
- shiro安全
- MySQL下添加用户以及给予权限的实现
- shiro内置过滤器详解
- 57. Minimum Depth of Binary Tree
- 底部导航栏FragmentTabHost
- CentOS常见问题记录