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。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注