最小均方误差算法实验代码

这是一个简单的最小均方误差算法实验代码，用于线性回归：

import numpy as np

# 生成样本数据
x = np.random.rand(100, 1)
y = 2 + 3 * x + np.random.randn(100, 1)

# 添加截距项
X_b = np.c_[np.ones((100, 1)), x]

# 最小均方误差算法求解
theta_best = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y)

# 输出结果
print(theta_best)

解释一下代码：

1. 第1行导入了 numpy 库；
2. 第4行生成了100个随机数作为样本数据 x；
3. 第5行生成样本数据 y，其中 2 + 3x 是理想的结果，np.random.randn(100, 1) 是加入的噪音；
4. 第8行添加了截距项；
5. 第11行使用最小均方误差算法求解线性回归的参数；
6. 第14行输出了结果。

希望可以帮到你！