25/11/03회귀정답

import matplotlib.pyplot as plt

import numpy as np

from sklearn.linear_model import LinearRegression

def loss(x, y, beta_0, beta_1):

    N = len(x)

   

    '''

    이전 실습에서 구현한 loss function을 여기에 붙여넣습니다.

    '''

    x = np.array(x)

    y = np.array(y)

    pred = beta_0 * x + beta_1

    diff = (y- pred) **2

    loss = np.sum(diff)

    print(loss)

   

    return loss

   

X = [8.70153760, 3.90825773, 1.89362433, 3.28730045, 7.39333004, 2.98984649, 2.25757240, 9.84450732, 9.94589513, 5.48321616]

Y = [5.64413093, 3.75876583, 3.87233310, 4.40990425, 6.43845020, 4.02827829, 2.26105955, 7.15768995, 6.29097441, 5.19692852]

print(X)

train_X = np.array(X).reshape(-1,1)

#train_X = np.array(X)

print(train_X)

train_Y = np.array(Y)

'''

여기에서 모델을 트레이닝합니다.

'''

lrmodel = LinearRegression()

lrmodel.fit(train_X, train_Y)

'''

loss가 최소가 되는 직선의 기울기와 절편을 계산함

'''

beta_0 = lrmodel.coef_[0]   # lrmodel로 구한 직선의 기울기 beta_0

beta_1 = lrmodel.intercept_ # lrmodel로 구한 직선의 y절편 betat_1

print("beta_0: %f" % beta_0)

print("beta_1: %f" % beta_1)

print("Loss: %f" % loss(X, Y, beta_0, beta_1))

plt.scatter(X, Y) # (x, y) 점을 그립니다.

plt.plot([0, 10], [beta_1, 10 * beta_0 + beta_1], c='r') # y = beta_0 * x + beta_1 에 해당하는 선을 그립니다.

plt.xlim(0, 10) # 그래프의 X축을 설정합니다.

plt.ylim(0, 10) # 그래프의 Y축을 설정합니다.

plt.show()