摘要：
借助pandas库使用外部导入的数据进行线性拟合 〇、pandas库使用 1.数据读取 import pandas as pd df=pd.read_csv('your_path') #由于read_csv是针对于全局的操作，所以要使用pd.来调用 2.选择特征与结果进行向量化 pd的value方法 阅读全文
posted @ 2026-07-04 16:48
Ihsinchao
阅读(3)
评论(0)
推荐(0)
摘要：
线性回归的监督学习特征 根据对线性回归模型的掌握，机器学习就是对于向量化后的数据，先定义一个拟合函数形式与参数，然后定义误差函数，再确定误差函数最小化的方法，最后再根据最小化的情况来确定拟合形式的参数值 也就是监督学习的核心逻辑：用更专业的术语来说，这就是经验风险最小化（Empirical Risk 阅读全文
posted @ 2026-07-04 15:48
Ihsinchao
阅读(3)
评论(0)
推荐(0)
摘要：
代码 #线性回归模型 损失函数使用均方计算 优化算法采用梯度下降 import numpy as np m,n=100,3 X=np.random.rand(m,n) w0=np.array([[3.1415926],[3.1415927],[3.1415928]]) noise=0.05*np.r 阅读全文
posted @ 2026-07-04 15:21
Ihsinchao
阅读(2)
评论(0)
推荐(0)
摘要：
〇、numpy库导入 import numpy as np ### 之后使用np作为numpy的别名 一、矩阵的生成 1.array方法 x=np.array( [ [1,2,3],[4,5,6] ] ) #一层括号一层维度，默认都是行向量 每一行的数字使用方括号括起，不同行逗号隔开，整个矩阵再使用 阅读全文
posted @ 2026-07-04 14:01
Ihsinchao
阅读(1)
评论(0)
推荐(0)
浙公网安备 33010602011771号