这是一个很好的结果对正常方程，如果不是，我如何知道它是好的数据集？
提问于 2016-06-11 11:41:06
我正在尝试学习ML的正常方程，但我不确定这个结果是否correct.Parameters太高，而且我找不到关于这个参数的假设，我的意思是：
数据集：
2104,5,1,45,460
1416,3,2,40,232
1534,3,2,30,315
852,2,1,36,178当我运行代码时，我接受参数(θ)
[4.74289062e+02 1.65405273e-01 -4.68750000e+00 -1.16445312e+02
-2.13281250e+00]但这些数字太高了。这是正常的吗？此外，在我的代码中的最后一行，我尝试只为我的第一个数据集元素(2104,5,1,45,460)打印假设，但是它给了我一个这样的错误：
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我的代码：
data = np.loadtxt('bib', delimiter=',');
x=data[:,0:4];
y=data[:,4];
a=np.ones(shape=(y.size,x[0].size+1));
a[:,1:5]=x;
A=np.linalg.inv(a.transpose().dot(a));
B=np.dot(a.transpose(),y);
q=A.dot(a.transpose()).dot(y);
##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])我对这些结果并不满意。我如何确保这些结果是正确的，以及如何用这些参数找到我的假设？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-06-11 14:23:03
但这些数字太高了。这是正常的吗？
您的数据没有标准化/缩放，您的值很大(~1e2)，因此回归系数是相同的。
我试图只为我的第一个数据集元素(2104,5,1,45,460)打印假设，但是它给了我一个错误，比如：
错误是合理的-您的数据具有4维度，并且您尝试索引5值。当你使用"a“中的一列作为偏见术语时，你的假设是形式的：
h(x) = <q, [1 x]> = q0 + q1*x0 + q2*x1 + q3*x2 + q4*x3因此，在代码中(使用您的符号和约定)：
def h(x):
a = np.ones(x.shape[0], x.shape[1] + 1)
a[:, 1:5] = x
return a.dot(q)我如何确保这些结果是真的？
您可以将它们与数十个现有的实现进行比较。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。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/37767857
复制相关文章
腾讯云开发者
