＜＜机器学习实战＞＞10-11节笔记：生成器与线性回归手动实现

10生成器与python实现

如果是曲线规律的数据集，则需要把模型变复杂。如果是噪音较大，则需要做特征工程。

随机种子的知识点补充：

根据不同库中的随机过程，需要用对应的随机种子：

比如 l=list(range(5))

random.shuffle(l)(shuffle是打乱这个list的函数，如果需要保持每次打乱结果一样，则用random.seed(x)，如果用numpy.random.seed(x)则没用。

创建一个特征数组和标签数组的函数：

11线性回归手动实现

为什么要用梯度下降：

XTXW=XTY不一定存在唯一解，因此不一定能用最小二乘法解决方法：

使用梯度下降/有些矩阵可以用广义逆矩阵/修改损失函数，使得它可以满足最小二乘法求解

本节最后补充了线性回归的决定系数

R-square=SSR/SSE

其中SSR是预测数据与标签均值的平方差,SST是实际值与均值的平方差，SSE=SSR+SST

这个指标越接近一越好