手写实现线性回归

最新推荐文章于 2026-05-20 15:02:52 发布

原创

最新推荐文章于 2026-05-20 15:02:52 发布 · 1k 阅读

标签

#线性回归 #回归算法

收录于

这篇博客详细介绍了如何实现线性回归。首先通过一元一次拟合的f(x) = wx + b来理解线性回归的基础，接着不仅使用已有的线性回归库进行拟合，还手写实现了线性回归的简版算法。随后，作者进一步探讨了一元二次拟合，并利用sklearn库的算法进行预测。最后，讲解了如何用手写线性回归拟合多属性的多元方程。

一元一次拟合f(x)=wx+b

使用已有的线性回归拟合函数

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

X = np.linspace(2, 10, 20).reshape(-1,1)

# f(x) = wx + b
y = np.random.randint(1, 6, size=1)*X + np.random.randint(-5, 5, size=1)

# 噪声，加盐
y += np.random.randn(20, 1)*0.8

plt.scatter(X, y, color = 'red')

lr = LinearRegression()
lr.fit(X, y)

w = lr.coef_[0, 0]
b = lr.intercept_[0]
print(w, b)
# 4.984999512157303 -3.7974579753883653

plt.scatter(X, y)

x = np.linspace(1, 11, 50)

plt.plot(x, w*x + b, color='green')