import numpy as np

def linear_regression(X,y): w = np.zeros_like(X.shape[1]) if np.linalg.det(X.T.dot(X)) != 0 : w = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y) return w

X为特征矩阵，y为标签矩阵

w为回归系数向量，即模型的参数

y_predicted为预测值向量，即模型的输出

y_actual为真实值向量，即模型的标签

error为误差向量，即预测值与真实值之间的差异

mse为均方误差，即误差的平方和除以样本数量

w = linear_regression(X, y) y_predicted = X.dot(w) y_actual = y error = y_predicted - y_actual mse = np.sum(error ** 2) / len(y)