ML之SLR：简单线性回归；根据多组数据(x,y)模拟得到一次线性方程(斜率和截距)，然后输入新的x来智能预测y值

 

 

目录

输出结果

代码设计

---

 

 

 

输出结果

 

 

 

代码设计

import numpy as np  

def fitSLR(x,y):  
    n=len(x)  
    dinominator = 0  
    numerator=0    
    for i in range(0,n):  
        numerator += (x[i]-np.mean(x))*(y[i]-np.mean(y))
        dinominator += (x[i]-np.mean(x))**2
    print("numerator:"+str(numerator))
    print("dinominator:"+str(dinominator))
    
    b1 = numerator/float(dinominator)
    b0 = np.mean(y)/float(np.mean(x))
    
    return b0,b1

def prefict(x,b0,b1):
    return b0+x*b1
x=[1,6,2,9,30]   
y=[64,54,39,55,48]

b0,b1=fitSLR(x, y)
y_predict = prefict(6,b0,b1)
print("y_predict:"+str(y_predict))
    

 

 

相关文章
ML之SLR：简单线性回归；根据多组数据(x,y)模拟得到一次线性方程(斜率和截距)，然后输入新的x来智能预测y值