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