多元线性回归之矩阵求导推导与python实现

多元线性回归表达式

其中，
$$X=[1,x_1,\cdots ,x_n]$$

$$W=[w_0,w_1,\cdots ,w_n]$$

损失函数

其中$X,Y$是矩阵。

梯度下降

令$H=Y-X{W}^T$
$$L=H^{T}H$$

这里涉及到了矩阵求导的知识，具体请查看
矩阵求导

代码实现

import numpy as np
import matplotlib.animation as animation
import matplotlib.pyplot as plt
# 以下两行代码解决jupyter notebook显示图片模糊问题
%matplotlib inline
%config InlineBackend.figure_format = 'svg'
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
##  测试数据
x1 = np.arange(0,10,0.2)
x2 = np.arange(-10,0,0.2)
y = 10*x1+3*x2+5 + np.random.random((len(x1)))*20

def f(X,W):
    return X.dot(W.T)
## 初始化参数
W =np.mat(np.random.random([3])*2-1)
X=np.mat(np.column_stack((np.ones(len(x1)),x1,x2))) #按列组合
Y = np.mat(y).T

## 梯度下降
lr = 0.00005
for i in range(60):
    # 更新梯度
    w = -2*(Y-X.dot(W.T)).T.dot(X)
    W = W-lr*w
# 绘图
Y_Test = f(X,W)
x = np.arange(len(Y))+1
plt.scatter(x,list(Y),s=10)
plt.plot(x,Y,'b')
plt.plot(x,Y_Test,'r')

本文地址：https://blog.csdn.net/qq_39545674/article/details/109630314