Laboratorio 03

Amilcar Maximo Laura Canaza

Escuela de Ingenieria de Sistemas
Universidad Nacional
de San Agustı́n
Arequipa-Perú
alaurac@unsa.edu.pe

I. R EGRESI ÓN LINEAR MANUAL

Escribimos el código necesario para mostrar los puntos de
los datos, Figura 1.

Figura 2. grafica con costos

Fuente: Creación propia

Figura 1. puntos 17 suma normal = 0

Fuente: Creación propia 18 suma por equis = 0
19 m = 0
20 a = theta 1
Usando el codigo de la anterior practica hallamos los 21 b = theta 0
valores de theta0, theta1 y su costo minimo, Figura 2. Theta 22 f o r i i n range ( l e n ( p o p u l a t i o n ) ) :
23 suma normal += ( a ∗ p o p u l a t i o n [ i ] + b −
0 minimo es -3.950000, theta 1 minimo es 1.200000 y costo profit [ i ])
minimo es 4.477334. 24 s u m a p o r e q u i s += ( a ∗ p o p u l a t i o n [ i ] + b −
profit [ i ]) ∗ population [ i ]
25 m = m + 1
26
II. I MPLEMENTACI ÓN EL ALGORITMO DE GRADIENTE 27 theta 0 = t h e t a 0 − ( a l p h a ∗ ( 1 /m) ∗
DESCENDIENTE suma normal )
28 theta 1 = t h e t a 1 − ( a l p h a ∗ ( 1 /m) ∗
suma por equis )
Listing 1. Algoritmo 29
1 population = [] 30 p r i n t ( ” t h e t a 0 e s %f , t h e t a 1 e s %f ” %(t h e t a 0 ,
2 profit = [] theta 1 ) )
3
4 f = open ( ” d a t a 0 1 . t x t ” , ” r ” )
5 l = f . readline () . strip ()
Al finalizar las 1500 con un alfa de 0.01, theta 0 es
6 -3.630291, theta 1 es 1.166362.
7 while l :
8 p o p u l a t i o n . append ( f l o a t ( l . s p l i t ( ” , ” ) [ 0 ] ) )
9 p r o f i t . append ( f l o a t ( l . s p l i t ( ” , ” ) [ 1 ] ) )
Hallado estos valores podemos dibujar la ecuación y =
10 l = f . readline () . strip () 1.166362x - 3.630291.
11 f . close ()
12
13 theta 0 = 0
14 theta 1 = 0
15 alpha = 0.01
16 for j i n range ( 0 , 1 5 0 0 ) :

1
Figura 3. ploteo con la recta de la regresión linear
Fuente: Creación propia