按输入、计算、输出的顺序理解,再逐句对照老师代码。
这段代码先确定真实关系 ,在 10 个输入处计算输出,再加随机噪声。它建立的是后续回归练习的输入数据。
所有噪声的均值设置为 0,但这次只抽 10 个,样本平均不必恰好等于零。标准差设置为 10,因此噪声的方差为 100。
运行后得到长度都为 10 的 x、noise 和 y。该段没有打印命令;要直接看数据,在末尾加 print(x) 和 print(y)。后续任务是根据这份含噪声数据重新估计三个系数。
左侧行号与保存的代码文件一致。空行用于分段。
| 行 | 原代码 | 这一行在做什么 |
|---|---|---|
| 1 | import numpy as np | 导入 NumPy,并把长名字 numpy 简写为 np。后面生成数组、幂次和随机数都用它。 |
| 4 | np.random.seed(0) | 把随机种子固定为 0;每次从头运行整段,生成相同的一组噪声。 |
| 7 | x = np.linspace(-10, 10, 10) | 在 −10 到 10 之间等间隔取 10 个数,保存为一维数组 x,两个端点都包含。 |
| 10 | b2, b1, b0 = 1, -2, 3 | 一次给三个变量赋值:二次项系数 b2=1,一次项 b1=−2,常数 b0=3。逗号把三个数按位置一一对应。 |
| 13 | y = b2 * x ** 2 + b1 * x + b0 | 对数组中每个 x 分别算 b2*x²+b1*x+b0,得到 10 个无噪声输出。** 是乘方。 |
| 16 | noise = np.random.normal(0, 10, size=x.shape) | 生成与 x 形状相同的 10 个正态随机数,均值 0、标准差 10,保存为 noise。 |
| 19 | y += noise | 把每个噪声加到对应 y 上。y += noise 在这里相当于 y = y + noise。 |