快速上手大模型：机器学习3

学习目的：

让线性回归更快、更强大。

1 多元线性回归（Multiple liner regression）

1.1 定义

：第j个特征；

n：特征总数；

：第i个训练样本的所有特征；

：第j个特征第i个训练样本。

多元线性回归（Multiple liner regression）：多个输入特征的线性回归模型，表达式。

1.2 向量化

1.2.1 例子

向量化使代码简洁、运行高效。

1.2.2 代码实现

使用Python编译，调用NumPy包

（1）引入模块/包

import numpy as np    # it is an unofficial standard to use np for numpy
import time

（2）数组创建

代码：

# NumPy routines which allocate memory and fill arrays with value
a = np.zeros(4);                print(f"np.zeros(4) :   a = {a}, a shape = {a.shape}, a data type = {a.dtype}")
a = np.zeros((4,));             print(f"np.zeros(4,) :  a = {a}, a shape = {a.shape}, a data type = {a.dtype}")
a = np.random.random_sample(4); print(f"np.random.random_sample(4): a = {a}, a shape = {a.shape}, a data type = {a.dtype}")

输出：

# NumPy routines which allocate memory and fill arrays with value
a = np.zeros(4);                print(f"np.zeros(4) :   a = {a}, a shape = {a.shape}, a data type = {a.dtype}")
a = np.zeros((4,));             print(f"np.zeros(4,) :  a = {a}, a shape = {a.shape}, a data type = {a.dtype}")
a = np.random.random_sample(4); print(f"np.random.random_sample(4): a = {a}, a shape = {a.shape}, a data type = {a.dtype}")

np.zeros(4)：创建一个长度为4的数组，所有元素都是 0.0（浮点数）；

a.shape：数组形状（这里是 (4,)，表示一维数组长度 4；

a.dtype：数据类型。