這系列結束後，我將繼續挑戰IT鐵人30日：
佛心分享 ： it 考照之路
主題：從摸索7個月到下定決心訂下3週後考試：自學取得PMP 3AT 執照

• 昨日我們談到regression的起源與原理。

• 今日我們要談的是：

• regression 的數學式：

• regression 的程式碼：

• regression 的數學式：

• linear regression :

• y = w_0 + w_1x
  上面這個式子 ：就是國中所學的一元方程式：y = b + ax其中的w_0對應到b就是截距intercept即x=0直線與y軸相交的點，w_1對應到a也就是斜率slope，直線的傾斜程度，在統計上又稱相關係數。昨日 的左圖的紅色直線就是對應y = w_0 + w_1x。

• multiple regression：

• y = w_0x_0+w_1x_1+…+w_mx_m = \sum_{i=0}^{m} w_i \times x_i ，其中的\times 是乘的意思，也就是國中所學的多元方程組，只是這裡的x假設有m個。昨日 的右圖的紅色平面就是：y = w_0 + w_1 \times x_1 + w_2 \times x_2，其中x_0 = 1 代入。

• regression 的程式碼：

from sklearn.linear_model import LinearRegression

lr = LinearRegression()
lr.fit(X_train, y_train)
plr = lr.predict(X_train)
lr.score(X_train, y_train)

print("lr's solpe = %.3f" , lr.coief_[0])
print("lr's intercept = %.3f" , lr.intercept_) 

• 載入sklearn.linear_model 的 LinearRegression套件。

• 模型配飾。

• 模型預測。

• 模型評估效能。

• LinearRegression 的 slope就是，lr.coief_[0]。coief_[0]是lr的屬性attribute。

• LinearRegression 的 intercept就是，lr.intercept_。同理intercept也是lr的attribute。

• 明天我們將會談SVM，敬請期待。

• 接下來請同學要有心理準備，因為我們這一系列的文章總共有30天，而我們現在已經學習到一半以上，已經具備一定基礎，未來的文章內容加深文章篇幅會開始變長，不過不用擔心我會用淺顯易懂的方式，也是這系列文章的核心理念，讓你輕鬆學習ML相關知識。