标签：loss plt -- price 买房 dataframe rm 波士顿 best
import random
import numpy as np
from sklearn.datasets import load_boston
dataset = load_boston()
dir(dataset)
import pandas as pd
dataframe = pd.DataFrame(dataset['data'])
dataframe.colums = dataset['feature_names']
dataframe
dataframe['price']=dataset['target']
dataframe
important_fearures_data = dataframe[[0,5,6]]
important_fearures_data
fetures_to_price=dict()
import seaborn as sns
plt.scatter(dataframe[5],dataframe['price'])
plt.scatter(dataframe[12],dataframe['price'])
#（0）简单线性回归模拟，监督学习
a,b,r,p,std_err=stats.linregress(dataframe[5],dataframe['price'])
def myfunc(x):
return a*x+b
mymodel=list(map(myfunc,dataframe[5]))
plt.scatter(dataframe[5],dataframe['price'])
plt.plot(dataframe[5],mymodel)
plt.show()#可视化
#（1）随机模拟/蒙特卡洛模拟
X_rm = dataframe[5]
Y = dataframe['price']
def loss(k,b): #损失函数
return np.mean((Y,(k*X_rm+b)**2))
min_loss = float('inf')
best_k, best_b = None,None
for step in range(1000):
k, b=random.randint(-100,100),random.randint(-100,100)
current_loss = loss(k,b)
if current_loss < min_loss:
min_loss = current_loss
print("在第{}步,找到了一个更好的loss:{},此时k:{},b:{}".format(step,min_loss,k,b))
best_b,best_k=b,k
plt.scatter(X_rm,Y)
plt.plot(X_rm,4*X_rm-21)#可视化
#（2）梯度下降
X_rm = dataframe[5]
Y = dataframe['price']
def loss(k,b):
return np.mean((Y,(k*X_rm+b)**2))
def partial_k(k,b,X,y):#对k求导数
return 2*np.mean((y-(k*X+b))*(-X))
def partial_b(k,b,X,y):#对b求导数
return 2*np.mean((y-(k*X+b))*(-1))
min_loss = float('inf')
k, b=random.uniform(-50,50),random.uniform(-50,50)#只需第一次随机，随机后优化
best_k, best_b = None,None
learning_rate = 1e-02
k_history = []
b_history = []
for step in range(1000):
k = k+(-1)*partial_k(k,b,X_rm,Y)*learning_rate#梯度下降
b = b+(-1)*partial_b(k,b,X_rm,Y)*learning_rate#梯度下降
current_loss = loss(k,b)
if current_loss < min_loss:
min_loss = current_loss
print("在第{}步,找到了一个更好的loss:{},此时k:{},b:{}".format(step,min_loss,k,b))
best_k,best_b=k,b
b_history.append(b)
k_history.append(k)
plt.scatter(k_history,b_history)#可视化
plt.scatter(X_rm,Y)
plt.scatter(X_rm,3.561668183318498*X_rm+0.572568547822224)#可视化
标签：loss,plt,--,price,买房,dataframe,rm,波士顿,best 来源： https://blog.csdn.net/weixin_53528334/article/details/122699765
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。