线性回归

mxnet.jpg

回归问题

线性回归可以应用在股票预测，房价预测，无人车驾驶、还就就是推荐系统，淘宝或者京东，用户A购买商品 B 可能性也是。李宏毅老师是以预测宝可梦进化为例来讲的线性回归，所谓线性回归就是可以暂时理解根据以往经验（数据）总结出规律来预测未来。

抛出问题

我们先估计第一个特征方程
然后在估计一个两个特征的特征

今天我们是通过学习来找到这么方程然后，用方程来预测一些值，那么我们如何通过学习来找到这个函数呢。这也就是今天我们今天主要要学习的。

1.定义模型

什么是模型，所谓模型我们认为是一组函数的集合，

这里我们定义函数

在这个函数的参数 w 和 b 可能是任意数值，

这是一个线性模型

收集数据

import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# create train data
X1 = np.random.uniform(50,100,100)
X2 = np.random.uniform(100,200,100)

fig = plt.figure()
ax1 = plt.axes(projection='3d')

fig=plt.figure()

Y = np.dot(X1,2) + np.dot(X2,3) + 5

print(Y)

ax1.scatter3D(X1,X2,Y, cmap='Blues')  
plt.show()

图

评估

评估我们函数好坏，这里定义一个损失函数（用L表示)，损失函数是接受我们一个模型一个函数作为参数，那么学过函数编程都知道这就是所谓高阶函数，我们f(x) 是 L的参数。这个函数输出就是通过数值表示这个函数有多好，和多不好。

因为我们这里 f(x) 是 b 和 w 决定的，所以我们就可以用 L(b,w)