最小二乘法是先将方程自变量与因变量化为系数矩阵X，再求该矩阵的转置矩阵（X1），接着求矩阵X与他的转置矩阵的X1的乘积（X2），然后求X2的逆矩阵。最后整合为系数矩阵W，求解后分别对应截距b、a1、和a2。可见计算一个矩阵的逆是相当耗费时间且复杂的,而且求逆也会存在数值不稳定的情况。
梯度下降法迭代的次数可能会比较多,但是相对来说计算量并不是很大。且其有收敛性保证。故在大数据量的时候,使用梯度下降法比较好。
梯度下降法
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import
2021-05-06 21:36:53
135KB
1
COGS-109建模和数据分析
该项目使用线性回归和K均值聚类对饮食习惯数据集进行分析，该数据集包含确定肥胖的变量。
研究重点：
使用探索性线性回归和聚类，我们旨在检查数据集中的几个属性，以发现哪些是预测个体体重的最佳指标。数据集信息：
该数据集包含从墨西哥，秘鲁和哥伦比亚的个人收集的数据。该数据可用于根据饮食习惯和身体状况估算肥胖水平。有2111个实例和17个不同的属性。此外，使用体重不足，正常体重，I级超重，II级超重，I型肥胖，II型肥胖和III型肥胖的值对数据进行分类。笔记：
主要报告可在以下位置找到：“ COGS 109最终报告.pdf”
包含我们的代码的Jupyter笔记本可在以下位置找到：“ COGS 109 Final report.ipynb”
演示海报可以在以下位置找到：“肥胖分析海报”
我们使用的数据集可以在以下位置找到：“ ObesityDataSet.csv”
2021-04-24 12:44:07
2.84MB
1