Нам нужно разработать линейную регрессию без пакетов scikit или sklearn в нескольких сценариях, таких как (гибкое изменение формул кода в зависимости от требований…). Большинство людей путают математические формулы линейной регрессии с форматом матричного кода (кода программирования). Чтобы преодолеть путаницу, выполните следующие шаги.
- Функция стоимости: функция стоимости или функция потерь отличается между оценочным значением (= произведением значений признаков [X] и веса [θ]) и исходным значением (зависимое значение [Я]).
Теперь нам нужно применить среднюю сумму квадратичной ошибки, чтобы получить ошибку исходного значения с оценочным значением (остатком).
Математическая и кодирующая часть функции стоимости является одной из основных частей алгоритма линейной регрессии.
2. Градиентный спуск [GD]: рассмотреть случайную начальную точку на кривой и сходится к локальному минимуму, используя скорость обучения (α) или уменьшить ошибку в расчетном выходном значении на основе исходного выходного значения.
Примечание: ухудшите уравнение путем производной и улучшите уравнение путем интегрирования.
Нам нужно уменьшить ошибку в оценочном значении, поэтому мы можем использовать производную для функции стоимости и вычесть вес, наконец, обновить тот же вес.
Математика
Формат кода
Вывод.Без использования пакета sklearn разработка кода LR на основе математического алгоритма полезна для гибкого изучения и построения моделей.
