Поиск градиента наилучшей линии в питоне

Как рассчитать градиент наиболее подходящей линии в python? У меня есть 2 массива x и y, которые я начертил, а затем сделал наилучшую линию с помощью полифита (нашел пример в Интернете). Сейчас я пытаюсь найти градиент моей наилучшей линии, но я не знаю, как это сделать. Я пробовал смотреть на подобные вопросы здесь, но ничего из того, что я пробовал, пока не сработало. Вот мой код:

x = np.array(a)
y = np.array(b)

plt.figure()
plt.plot(x, y) 
plt.plot(np.unique(x), np.poly1d(np.polyfit(x, y, 1))(np.unique(x)), color = 'k')
plt.xlim((0,100))
plt.ylim((0,100))
plt.show()

Затем я попытался сделать это, как я видел по аналогичному вопросу:

m = ((np.mean(x) * np.mean(y)) − (np.mean(x * y))/((np.mean(x))**2 − np.mean(x**2))
print(m)

Но я просто получаю ошибки. Спасибо.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
6 214
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Наклон уже возвращается функцией полифита. Так:

slope, intercept = np.polyfit(x, y, 1)
#For a linear polynomial (so ,1), the formula for the line = slope*x+intercept (ax+b)

Применительно к вашему делу:

import numpy as np
import matplotlib.pyplot as plt

#Example data
x = [0,1,2,3,4]
y = [1,2,5,8,1]
x = np.array(x)
y = np.array(y)

#Fit line
slope, intercept = np.polyfit(x, y, 1)

#Plot
plt.figure()
plt.scatter(x, y) 
plt.plot(np.unique(x), np.poly1d(np.polyfit(x, y, 1))(np.unique(x)), color = 'k')
plt.show()

print(slope)

Пожалуйста, обратитесь к https://numpy.org/doc/stable/reference/generated/numpy.polyfit.html

Другие вопросы по теме