按输入、计算、输出的顺序理解,再逐句对照老师代码。
输入仍是相同的 10 条含噪声数据。模型写成 ,待训练参数顺序是二次项、一次项、常数项。
这里将三个独立特征用到恰好可逆的矩阵上,可以直接演示公式。自己扩展到更一般数据时,可把第 12 行替换为 np.linalg.lstsq(X, y, rcond=None)[0],直接解最小二乘。
图的范围延伸到 −12.5 至 12.5,而训练输入只有 −10 至 10。两端额外部分展示了模型的外推。换成高阶多项式后,外推往往更容易出现明显摆动。
用打印的系数算第一行。 时预测约为 。对应实际值约 140.6405,残差约 −2.7495,平方约 7.56。十条观测都这样算,再把平方和除以 10,就得到 MSE。
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,提供数组、矩阵乘法和线性代数计算。 |
| 2 | import matplotlib.pyplot as plt | 导入 Matplotlib 的绘图接口,简写为 plt。 |
| 5 | np.random.seed(0) | 固定随机种子,保证这段与数据设置代码使用同样的噪声。 |
| 6 | x = np.linspace(-10, 10, 10) | 生成 10 个等间隔输入。 |
| 7 | a_real, b_real, c_real = 1, -2, 3 | 设定产生数据的真实系数:a_real=1、b_real=−2、c_real=3。 |
| 8 | y = a_real * x**2 + b_real * x + c_real + np.random.normal(0, 10, size=x.shape) | 先计算真实二次曲线,再加 10 个标准差为 10 的噪声,形成观测 y。 |
| 11 | X = np.vstack([x**2, x, np.ones(len(x))]).T | vstack 先把 x²、x、全1各放成一行,得到3×10数组;.T 转置后成为10×3,每行对应一个样本。 |
| 12 | coefficients = np.linalg.inv(X.T @ X) @ X.T @ y | @ 表示矩阵乘法。先算 X.T@X,inv 求其逆,再乘 X.T@y,得到最小二乘参数。 |
| 13 | a_est, b_est, c_est = coefficients | 把三个参数按顺序拆成二次项 a_est、一次项 b_est、截距 c_est。 |
| 16 | print(f"Estimated coefficients: a = {a_est}, b = {b_est}, c = {c_est}") | f字符串把变量的数值插进文字后打印出来,便于核对系数。 |
| 19 | # Plot the fitted curve | 注释:下面开始计算预测并画拟合曲线;注释本身不执行。 |
| 20 | y_predicted = a_est * x ** 2 + b_est * x + c_est | 在原来的10个训练输入处计算预测值,供计算训练误差。 |
| 21 | MSE = np.sum((y_predicted - y) ** 2) / 10 | 预测减观测、逐项平方、求和,再除以样本数10,得到均方误差MSE。 |
| 22 | print(MSE) | 打印这次训练的 MSE,约69.63581。 |
| 23 | plt.figure(dpi=500) | 创建一张绘图窗口;dpi=500设置输出分辨率,不改变计算结果。 |
| 24 | x_plot = np.linspace(-12.5, 12.5, 100) | 为平滑绘图,另取−12.5至12.5之间的100个横坐标,保存为x_plot。 |
| 25 | y_plot = a_est * x_plot ** 2 + b_est * x_plot + c_est | 把这100个横坐标代入拟合模型,得到红色曲线的纵坐标。 |
| 26 | plt.scatter(x, y, color='blue', label='Data points') | 画蓝色散点,每个点是一对训练观测(x_i,y_i),label用于图例。 |
| 27 | plt.plot(x_plot, y_plot, color='red', label='Fitted quadratic curve') | 把100个预测点连成红线,显示拟合二次曲线。 |
| 28 | plt.title("Quadratic Fit to Data") | 设置图标题“Quadratic Fit to Data”。 |
| 29 | plt.xlabel("x") | 给横轴标记 x。 |
| 30 | plt.ylabel("y") | 给纵轴标记 y。 |
| 31 | plt.legend() | 显示前面label定义的图例,区分散点与拟合线。 |
| 32 | plt.show() | 显示图形;在普通脚本里,这行让绘图窗口出现。 |