線性回歸與梯度下降

一、環境搭建

1.學習使用Anaconda:用管理員權限運行Prompt

用途方法

創建環境conda create -n?my_envi_name

啟動環境activate?my_envi_name

檢查環境內安裝包conda list

安裝packageconda install package_name

package 升級conda upgrade –all

package 單一升級conda update numpy

package卸載conda remove numpy

查詢packageconda search numpy

還可以一步到位:比如新建一個名叫My_Deeplearning的環境,并給他安裝python3.6 、pandas,可以如下:

conda create -n My_Deeplearning python=3.6pandas

保存環境(首先要確保在環境中)conda env export>environment.yaml

刪除環境conda remove -n my_env_name

2.Jupyter Notebook

想要運行某ipython的notebook,在終端中,cd至下載文件ipnb的目錄,然后jupyter notebook 文件名

使用Esc鍵,啟動命令模式。

Esc+h 調出菜單。

3.線性回歸Regression

“scikit-learn”包是封裝了線性回歸的應用包,在用它處理線性回歸時,僅需要調用它的<線性回歸包>就好。僅需五部完成線性回歸以及預測。

“”“第一步:調用《線性回歸包》””

fromsklearn.linear_modelimportLinearRegression

“”“第二步:賦值回歸模型給變量”

model =LinearRegression()

“第三步:調用變量.fit函數,并給函數賦值參數X-Y,需要特別注意的是,傳入模型的X和Y值,屬性應該為DataFrame形式,而不是Series形式。所以如果是直接從pandas中傳入某列,如data[‘交易量’](Series Type),則傳入X時,應改為X=data[[‘交易量]](DataFrame Type)”*

model.fit(X_series,Y_series)

“第四步:給定X值,預測Y”

model.predict([New_X])

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容