【Python机器学习】线性模型——用于回归的线性模型

本文介绍: 对于回归问题，线性模型预测的一般公式为：y=w[0]*x[0]+w[1]*x[1]+…………+w[p]*x[p]+b这里的x[0]到x[p]表示的事单个数据点的特征，w和b是学习模型的参数，y是模型的预测结果

对于回归问题，线性模型预测的一般公式为：

y=w[0]*x[0]+w[1]*x[1]+…………+w[p]*x[p]+b

这里的x[0]到x[p]表示的事单个数据点的特征，w和b是学习模型的参数，y是模型的预测结果。对于单一特征的数据集，公式：

y=w[0]*x[0]+b

这里的w[0]是斜率，b是y轴偏移。对于有更多特征的数据集，w包含沿每个特征坐标轴的斜率。

import mglearn.datasets
import matplotlib.pyplot as plt

mglearn.plots.plot_linear_regression_wave()
plt.show()

从w[0]可以看出，斜率应该在0.4左右。截距是指预测直线与y轴的交点，比0略小。

原文地址:https://blog.csdn.net/weixin_39407597/article/details/135422965

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。

如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。