Question

我试图学习ML的正规方程，但我不确定这个结果是否正确。参数太高而且我找不到这个参数的假设，这就是我的意思：

数据集：

.|key('group', position())

当我运行代码时，我需要参数（theta）

2104,5,1,45,460
1416,3,2,40,232
1534,3,2,30,315
852,2,1,36,178

但这些数字太高了。这是正常的吗？另外，在我的代码的最后一行，我试图仅为我的第一个数据集元素（2104,5,1,45,460）打印假设，但是它给了我这样的错误：

[4.74289062e+02  1.65405273e-01  -4.68750000e+00  -1.16445312e+02
 -2.13281250e+00]

我的代码：

print (q[0]*x[0][0])+(q[1]*x[0][1])+(q[2]*x[0][2])+(q[3]*x[0][3])+(q[4]*x[0][4])
  IndexError: index out of bounds

我对这些结果不满意。我怎样才能确保这些结果是真的，我应该如何用这些参数找到我的假设？

Answer 1

但这些数字太高了。这是正常的吗？

您的数据未标准化/缩放，您的值很大（~1e2），因此回归系数相同。

我试图仅为我的第一个数据集元素（2104,5,1,45,460）打印假设，但它给了我这样的错误：

错误是合理的 - 您的数据具有 4 维度，并且您尝试索引5个值。当你使用1列＆＃34; a＆＃34;作为偏见术语，您的假设具有以下形式：

h(x) = <q, [1 x]> = q0 + q1*x0 + q2*x1 + q3*x2 + q4*x3

因此在代码中（使用您的符号和惯例）：

def h(x):
   a = np.ones(x.shape[0], x.shape[1] + 1)
   a[:, 1:5] = x
   return a.dot(q)

如何确保这些结果是真的

您可以将它们与许多现有实现进行比较。您还可以创建一个虚拟测试集，其中y 实际上是x的线性组合，并检查是否得到0错误。