# -*- coding: utf-8 -*-# 導(dǎo)入需要的庫 import numpy as np import matplotlib.pyplot as plt# 定義存儲輸入數(shù)據(jù)x,目標(biāo)數(shù)據(jù)y x,y = [],[]# 遍歷數(shù)據(jù)集，并把數(shù)據(jù)按照順序存在對應(yīng)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(shù)據(jù) for sample in open("_Data/prices.txt","r"):# 每一行，有兩個數(shù)據(jù)，用逗號分開x_,y_ = sample.split(",")# 轉(zhuǎn)化為浮點(diǎn)數(shù)據(jù)，x.append(float(x_))y.append(float(y_))# 獲取到數(shù)據(jù)之后，轉(zhuǎn)化為numpy數(shù)據(jù)，因?yàn)樗麄兘?jīng)過優(yōu)化之后，計(jì)算特別快 x,y = np.array(x),np.array(y)# 標(biāo)準(zhǔn)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(xiàng)式的函數(shù)，根據(jù)x0和多項(xiàng)式的函數(shù)，畫出圖形 x0 = np.linspace(-2,4,100)# deg是多項(xiàng)式的參數(shù)，準(zhǔn)確是多項(xiàng)式的階，np.polyfit是是fit之后的參數(shù)， # np.polyval根據(jù)參數(shù)和輸入x，求在計(jì)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(jù)參數(shù)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(shù)據(jù)集 test_set = (1,4,10) for degree in test_set:print(get_cost(degree,x,y))#%% #畫出對應(yīng)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(qū)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(jié)果

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


96732238800.35297
94112406641.67743
75874846680.09282



總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。