机器学习（线性回归——训练题）

完成一个线性回归的算法，其中train.npz是数据，读取数据的方式为：
import numpy as np
data = np.load(“train.npz”)
x_array,y_array = data[‘x’],data[‘y’]
其中x_array是对2000组特征，每个特征为五维,y_array是这2000组特征的输出
，并输出对应的w和b。

所需主要公式

这个公式是由Y=XW得到，而线性回归的公式是Y=X1W1+B(W1是权重，B是偏置）
我们可以先由公式得出W，再由W与W1和B的关系求出W1和B，这里的W,W1都是矩阵。
关系：Y=XW1+B可写作：Y=[W1,B][X1,1]
因此Y=X*W中的W=[W1,B],X=[X1,1]

import numpy as np
data=np.load("train.npz")
x_array,y_array=data["x"],data["y"]
e=np.ones(2000)
x_array1=np.insert(x_array, 5, values=e, axis=1)
print(x_array1)
a=x_array1.transpose()
b=np.matrix(a)*np.matrix(x_array1)
c=np.linalg.inv(b)
d=c*a
yni=(np.matrix(y_array)).transpose()
weight=d*yni
w=weight.transpose()
print(weight)

已知X,Y,先由公式求出W,再由W求出权重W1和B
全部程序和数据：
https://download.csdn.net/download/gakki_chen/11145842