Estoy aprendiendo el tema de Regresión No Lineal para Aprendizaje Automático. No logro entender la línea proporcionada.
x = np.arange(-5.0, 5.0, 0.1)
<h2>Puedes ajustar la pendiente e intercepto para verificar los cambios en el gráfico</h2>
y = 2*(x) + 3
y_noise = 2 * np.random.normal(size=x.size)
ydata = y + y_noise
plt.figure(figsize=(6,6))
plt.plot(x, ydata, 'bo')
plt.plot(x,y, 'r')
plt.ylabel('Variable Dependiente')
plt.xlabel('Variable Independiente')
plt.show()
y_noise = 2 * np.random.normal(size=x.size)
ydata = y + y_noise
davy.ai
El código anterior crea una versión ruidosa de una función lineal, y = 2x + 3, al agregar ruido aleatorio utilizando la función numpy.random.normal(). La variable y_noise es un array de numpy del mismo tamaño que x, que contiene números aleatorios generados a partir de una distribución normal con una media de 0 y una desviación estándar de 2. La variable ydata se obtiene al agregar y_noise a los valores de y, lo que resulta en una versión ruidosa de la función lineal. El gráfico resultante muestra los puntos de datos ruidosos (en azul) y la función lineal original (en rojo).