Python实现线性回归_技术问答

首页免费课 Python实现线性回归问答

Python实现线性回归

                
                Erik_Song
            全栈工程师

                    查看讲师更多课程 
                    Erik_Song讲师的其他课程
                
神经网络简介
初级·36438
免费课程
                                
Angular-cli基础
中级·25213
免费课程
                                
                难度初级
            
                时长 1小时 5分
            
                学习人数
            
综合评分8.77
                            32人评价
                        查看评价
                                9.0
                                内容实用
                            
                                8.8
                                简洁易懂
                            
                                8.5
                                逻辑清晰

全部评论问答未解决精华

直接计算这里为什么要考虑这两个问题？

已采纳回答 / Beb

个人认为讲师说得有一点问题，不瞒秩或者不正定的时候，存在多个解，并不是没有解，即解不唯一。此时选择哪一个解作为最后模型的参数呢？一是通过既定的选择便好来决定；二是采用梯度下降来近似。我觉得性能问题倒不是主要原因，主要原因是因为存在多个解（至于为什么你可以查查矩阵相关的资料）。

1 回答 983 浏览 2-4 梯度下降

2018-11-25

LotQin

相看原理的去吴恩达的机器学习课程，讲的比这深入清晰多了。

3 2-4 梯度下降

2018-11-11

慕粉3606276

矩阵表示形式写错了，应该是theta的转置乘以X

1 2-2 线性回归的数学表示

2018-11-09

weixin_精慕门0526897

讲的挺好的，可惜自己学习时间不够，先挖个坑，后续继续学

0 1-1 课程背景

2018-11-08

111111111

最赞回答 / LotQin

水什么水？

1 回答 785 浏览 1-1 课程背景

2018-11-08

天才在左和疯子在右

数学题的既视感

0 2-1 什么是线性回归

2018-11-08

data.csv哪里来的啊

最新回答 / 慕粉756330

是老师本地的一个csv格式的文件，相当于一个excel文件，也就是老师第一次输出的那些值

1 回答 2582 浏览 3-4 回归分析实战

2018-10-15

为什么x要转置为一列三行呢

最新回答 / 天空之城123

矩阵相乘 A*B A是m*n B必须为n*k A的每一行乘以B的每一列（保证A的每行和B的每列元素个数相同）线性代数了解一下

1 回答 1252 浏览 3-2 Python实现最小二乘法

2018-08-30

慕课_喵

改正一下，那个X.reshape()不能删，那个就是权重啊，才想明白

1 3-3 Python实现梯度下降

2018-08-26

慕课_喵

换了X的值或改一下参数，就会出错。
然后一步步琢磨了下，
theta = theta + np.sum(alpha*(Y-dot(X,theta)) "*X.reshpae" )/3.
实在想不出引号部分有什么用，感觉是多余的，直接删了，就没问题了。
theta = theta + np.sum(alpha*(Y-dot(X,theta)))/3.
这样，随便改X，X里数的个数，参数，都没有问题。记得把‘3.’改成X的数的个数就行。
其实‘/3.’不写也行，会减慢收敛速度‘3’倍，以及得到的值可能是实际参数的近似值

1 3-3 Python实现梯度下降

2018-08-26

春风情

代码更新：Python3.2.6
theat=np.full((4,1),1.,dtype=float) #用 1.0去填充一个4*1的array,类型指定float
alpha=0.1
x0=X.iloc[:,0].values.reshape(-1,1) #-1进行占位，代表有多少个算多少个，例如是150，则-1代表150，其它同理
x1=X.iloc[:,1].values.reshape(-1,1)
x2=X.iloc[:,2].values.reshape(-1,1)
x3=X.iloc[:,3].values.reshape(-1,1)
print(x3[0:6,:])

0 3-4 回归分析实战

2018-08-24

慕数据2143169

讲的非常好，很有实用性！

0 4-1 课程总结

2018-08-20

六叔886

期待下讲。非常好

2 1-1 课程背景

2018-08-09

六叔886

0.0123讲的真好

0 1-1 课程背景

2018-08-09

首页上一页 1 2 3 4 5 6 7 下一页尾页

开始学习

课程须知: 1、有机器学习基础 2、有一定的python基础

老师告诉你能学到什么？: 1、线性回归的概念 2、最小二乘法的python实现 3、梯度下降的python实际 4、编程处理线性回归分析的一般方法

微信扫码，参与3人拼团

热搜

最近搜索清空