Question

我从头开始实现多元线性回归，但我没有找到斜率和截距，渐变体面给我纳值。

这是我的代码，我也给了ipython notebook文件。

https://drive.google.com/file/d/1NMUNL28czJsmoxfgeCMu3KLQUiBGiX1F/view?usp=sharing

doneBtn

Answer 1

这不是编程问题，而是您的功能问题。 Numpy can use different data types。在你的情况下，它使用float64。您可以检查最大数字，您可以使用以下数据格式表示：

>>>sys.float_info
>>>sys.float_info(max=1.7976931348623157e+308, max_exp=1024, max_10_exp=308,
min=2.2250738585072014e-308, min_exp=-1021, min_10_exp=-307, dig=15, 
mant_dig=53, epsilon=2.220446049250313e-16, radix=2, rounds=1)

不幸的是，b, m1, m2的迭代不会收敛，至少不会与提供的数据集收敛。在迭代83中，值变得太大而不能表示为浮点数，对于无穷大显示为inf和-inf。当这被送入下一个迭代步骤时，Python返回NaN表示“不是数字” 尽管Python中有一些方法可以克服浮点数表示在精度方面的限制，但这不是您必须探索的策略。这里的问题是你的拟合函数不收敛。无论这是由于函数本身，由您实现还是选择初始猜测，我都无法决定。非收敛拟合行为的常见原因还在于，数据集不表示拟合函数。

Answer 2

尝试缩放x def scale（x）：

for j in range(x.shape[1]):
    mean_x = 0
    for i in range(len(x)):
        mean_x += x[i,j]
    mean_x = mean_x / len(x)
    sum_of_sq = 0
    for i in range(len(x)):
        sum_of_sq += (x[i,j] - mean_x)**2
    stdev = sum_of_sq / (x.shape[0] -1)
    for i in range(len(x)):
        x[i,j] = (x[i,j] - mean_x) / stdev
return x

或者您可以使用预定义的标准缩放器

在多元线性回归中没有找到斜率和截距，纳米值即将到来

2 个答案: