# -*- coding: utf-8 -*-# 導入需要的庫 import numpy as np import matplotlib.pyplot as plt# 定義存儲輸入數據x,目標數據y x,y = [],[]# 遍歷數據集，并把數據按照順序存在對應的list# 在文件中遍歷，文件是一行一行的，每次讀取的是一行數據 for sample in open("_Data/prices.txt","r"):# 每一行，有兩個數據，用逗號分開x_,y_ = sample.split(",")# 轉化為浮點數據，x.append(float(x_))y.append(float(y_))# 獲取到數據之后，轉化為numpy數據，因為他們經過優化之后，計算特別快 x,y = np.array(x),np.array(y)# 標準化 x = (x-x.mean())/x.std()# 畫圖 plt.figure() plt.scatter(x,y,c="g",s=6) plt.show()#%% # 這個模型得到是一個多項式的函數，根據x0和多項式的函數，畫出圖形 x0 = np.linspace(-2,4,100)# deg是多項式的參數，準確是多項式的階，np.polyfit是是fit之后的參數， # np.polyval根據參數和輸入x，求在計算的y,注意這里lamda的用法 def get_model(deg):return lambda input_x =x0:np.polyval(np.polyfit(x,y,deg),input_x)# 根據參數n，和輸入x,y求損失 def get_cost(deg,input_x,input_y):return 0.5*((get_model(deg)(input_x)-input_y)**2).sum()# 定義數據集 test_set = (1,4,10) for degree in test_set:print(get_cost(degree,x,y))#%% #畫出對應的圖像 plt.scatter(x,y,c="g",s=20) for degree in test_set:plt.plot(x0,get_model(degree)(),label="degree = {}".format(degree))# x,y軸區間限制，1e5,8e5 10^5,8*10^5 plt.xlim(-2,4) plt.ylim(1e5,8e5) # 顯示label plt.legend() plt.show()

測試結果

runfile(‘D:/share/test/repression.py’, wdir=‘D:/share/test’)


96732238800.35297
94112406641.67743
75874846680.09282



總結

以上是生活随笔為你收集整理的机器学习：Regression，第一个简单的示例，多项式回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。