一元線性迴歸的最小二乘法詳解及代碼。

我的記錄,大部分摘自機率論與數理統計python

一元線性迴歸模型數據結構

設y與x間有相關關係,稱x爲自變量,y爲因變量,咱們只考慮在x是可控變量,只有y是隨機變量,那麼他們之間的相關關係能夠表示爲函數

y=f(x)+εspa

其中ε是隨機偏差,通常假設ε~N(0,σ2)。因爲ε是隨機變量,致使y也是隨機變量。code

 

進行迴歸分析首先是迴歸函數形式的選擇。一般採用畫散點圖來進行選擇。blog

有一份合金鋼強度y與碳含量x的數據表class

數據散點圖以下import

能夠看出,數據點基本在一條直線上,說明兩個數據有線性相關關係,能夠表示爲變量

y=β01x+εbfc

這是y關於x的一元線性迴歸的數據結構,其中β0,β1

分別是截距和斜率。 ε~N(0,σ2)

則迴歸方程爲

迴歸係數的最小二乘法估計。

咱們首先令誤差平方和

Q(β0,β1)=∑ni=1(yi01xi)2

最小二乘法就是儘可能使Q(β0,β1)=∑ni=1(yi01xi)2=0,分別對β0,β1求偏導

整理後可知方程組 1

 

 如無特殊聲明Σ均表示Σni=1,則有

解方程組1 可知

 

 python代碼

 1 import numpy as np
 2 #導入迴歸數據
 3 x=np.array([0.1,0.11,0.12,0.13,0.14,0.15,0.16,0.17,0.18,0.2,0.21,0.23])
 4 y=np.array([42,43,45,45,45,47.5,49,53,50,55,55,60])
 5 #x求和
 6 sx=sum(x)
 7 # y求和
 8 sy=sum(y)
 9 #參數個數
10 n=len(x)
11 #x的平均值
12 mx=np.mean(x)
13 #y的平均值
14 my=np.mean(y)
15 #∑(xi)^2,全部xi的平方和
16 sx2=sum(x*x) 
17 #∑(yi)^2全部yi的平方和
18 sy2=sum(y*y) 
19 #∑xiyi 全部xiyi的和
20 sxy=sum(x*y)
21 #lxx
22 lxx=sx2-1/n*pow(sx,2)
23 #lxy
24 lxy=sxy-1/n*sx*sy
25 #lyy
26 lyy=sy2-1/n*pow(sy,2)
27 #β1
28 β1=lxy/lxx
29 #β0
30 β0=my-mx*β1
31 
32 #結果  y=28.08+132.90

到此結束

相關文章
相關標籤/搜索