该式是一个二元一次方程,可以在3维空间中作图(下面利用网站GeoGebra画出该方程的图像):
?...= data[:, 0].reshape(-1, 1) # 将array转换成矩阵
y = data[:, 1].reshape(-1, 1)
继续使用多项式回归中的数据。...(X_plot)
y_plot = np.dot(X_plot_poly, theta)
plt.plot(X_plot, y_plot, 'r-')
plt.plot(X, y, 'b.')
plt.xlabel...图1-1,手动实现岭回归的效果
图中模型与原始数据的匹配度不是太好,但是过拟合的情况极大的改善了,模型变的更简单了。..., y_plot, 'r-')
plt.plot(X, y, 'b.')
plt.xlabel('x')
plt.ylabel('y')
plt.show()
参数即代价函数的值:
[[ 0.56502653