一元線性回歸模型計(jì)算機(jī)基礎(chǔ)教研室回顧—回答問題矩陣乘法運(yùn)算是否滿足交換律？將矩陣方程中的左矩陣（非方陣）消除，該用什么方法？一個(gè)N*M維度的矩陣，矩陣的最大秩數(shù)是：回顧—回答問題引用importnumpy

asnp矩陣A和B線性代數(shù)乘：矩陣A的轉(zhuǎn)置：方陣X的逆：回歸模型利用檢測(cè)、觀察等手段獲取數(shù)據(jù)，建立模型預(yù)測(cè)未來很多科學(xué)定律都是線性的胡克定律電壓、電阻、電流的關(guān)系光的吸收與濃度關(guān)系尋找谷神星提丟斯法則：在特定的位置有行星，土星、木星、地球意大利天文學(xué)家：皮亞齊，1801年發(fā)現(xiàn)了谷神星（Titus第五位置）,測(cè)量了40天，病了，失去位置。如何再次找到？CarlFriedrichGauss（高斯）根據(jù)皮亞齊的測(cè)量，算出了谷神星的位置，并指出它將在何時(shí)、何地再次出現(xiàn)1801年12月31日夜，德國(guó)天文愛好者奧伯斯，在高斯預(yù)言的時(shí)間、位置，用望遠(yuǎn)鏡在指定的天空，再次找到了谷神星根據(jù)數(shù)據(jù)，計(jì)算軌道，再根據(jù)軌道，再找谷神星回歸模型測(cè)量12名大學(xué)女生身高與腿長(zhǎng)的數(shù)據(jù)如下，建立腿長(zhǎng)y與身高x的線性關(guān)系：y=a0+a1x+e根據(jù)實(shí)驗(yàn)點(diǎn)，估計(jì)a0和a1身高x150153154155156157158159160162164166腿長(zhǎng)y939395969897969899100102104一元線性回歸數(shù)學(xué)原理將(xi,yi)，帶入方程，可有方程組a0+a1x1=y1a0+a1x2=y2….a0+a1xn=yn求解目標(biāo)：Σ(函數(shù)值-函數(shù)預(yù)測(cè)值)2最小求解目標(biāo)：Σ(yi-a0-a1xi)2最小一元線性回歸數(shù)學(xué)原理將(xi,yi)，帶入方程，可有方程組a0+a1x1=y1a0+a1x2=y2….a0+a1xn=yn

寫成矩陣形式（一個(gè)樣本一行）一元線性回歸計(jì)算求解y=Xa已知X和y，求a

a=(XTX)-1XTy有矩陣轉(zhuǎn)置、相乘、求逆等運(yùn)算對(duì)應(yīng)的矩陣的numpy運(yùn)算轉(zhuǎn)置X.T乘法A@B逆np.linalg.inv(A)一元線性回歸的解一元線性回歸對(duì)應(yīng)平面的一條直線兩點(diǎn)即可求解：是什么解？為何實(shí)驗(yàn)中，要采取多各點(diǎn)？從y=Xa入手，判斷唯一解和最優(yōu)解。X是只有2列的矩陣唯一解最小二乘解Excel中模擬數(shù)據(jù)y=a0+a1x自己設(shè)定a0和a1的值Excel中，A列名寫x，B列名寫yA列值自己設(shè)定，如用=10*rand()B列值按公式給,并加上噪聲B列如=0.5+2.2*A2+(RAND()-0.5)/5%5噪聲數(shù)據(jù)有了，如何求解？a=2.2b=0.5注意：Excel中，每次頁(yè)面轉(zhuǎn)換時(shí)，rand會(huì)重新運(yùn)行，X，Y要同時(shí)拷貝到文本文件中一元線性回歸—數(shù)據(jù)模擬一元線性回歸—數(shù)據(jù)準(zhǔn)備y=Xa已知X和y，求a

a=(XTX)-1XTy第一列X，第二列Y，y=0.5+2.2x+e一元線性回歸—程序設(shè)計(jì)讀文件，放X中第一列分片給x第2列分片給y給x增加一列，變成X按公式求a=(XTX)-1XTy輸出a跟模擬數(shù)據(jù)比對(duì)，看a對(duì)不對(duì)再預(yù)測(cè)自身請(qǐng)你編程元線性回歸—函數(shù)化建模函數(shù)lr：傳遞X，y，返回回歸系數(shù)a預(yù)報(bào)predict：傳遞a，Xnew，返回預(yù)測(cè)函數(shù)值yHat一起編寫格式：deflr(參數(shù)表):

函數(shù)體return女生的腿長(zhǎng)與身高的關(guān)系身高150153154155156157158159160162164166腿長(zhǎng)939395969897969899100102104[-11.18776078,0.6891516]交叉驗(yàn)證結(jié)合CV，考察誤差，看模型的可靠性預(yù)測(cè)建模預(yù)測(cè)建模建模預(yù)測(cè)建模建模預(yù)測(cè)建模建模預(yù)測(cè)建模交叉驗(yàn)證—上次的作業(yè)data=np.loadtxt(r'e:\data1.txt')x=data[:,0]y=data[:,1]t=np.ones(len(x))X=np.c_[t,x]k=int(input("份數(shù)："))#

分成k份可以輸入ifk>=len(X):

k=len(X)n=len(X)//kiflen(X)%k!=0:

k=+1forpartinrange(k):testX=X[part*n:(part+1)*n]#測(cè)試模型的一份樣本

testY=y[part*n:(part+1)*n]#測(cè)試模型的一份樣本元線性回歸—函數(shù)化

train1X=X[0:part*n]train2X=X[(part+1)*n:]trainX=np.r_[train1X,train2X]#訓(xùn)練建模的樣本

train1Y=y[0:part*n]train2Y=y[(part+1)*n:]trainY=np.r_[train1Y,train2Y]#訓(xùn)練建模的樣本

#用trainX和trainY建模，求回歸系數(shù)a