我一直在尝试找出为什么我的线性回归模型与sklearn的线性回归模型相比表现不佳的原因。

我的线性回归模型（基于梯度下降的更新规则）

w0 = 0w1 = 0alpha = 0.001N = len(xTrain)for i in range(1000):  yPred = w0 + w1*xTrain  w0 = w0 - (alpha/N)* sum(yPred - yTrain)  w1 = w1 - (alpha/N)*sum((yPred - yTrain) * xTrain)

用于绘制训练集中的x值和预测的y值的代码

#Scatter plot between x and yplot.scatter(xTrain,yTrain, c='black')    plot.plot(xTrain, w0+w1*xTrain, color='r')plot.xlabel('房间数量')plot.ylabel('中位数价值（千美元）')plot.show()

我得到的输出如图所示 https://i.sstatic.net/jvOfM.png

使用sklearn内置的线性回归运行相同代码时，我得到了这个结果https://i.sstatic.net/jvOfM.png

谁能帮我找出我的模型哪里出错了？我已经尝试更改迭代次数和学习率，但没有显著变化。

如果有帮助，这里是colab上的ipython笔记本： https://colab.research.google.com/drive/1c3lWKkv2lJfZAc19LiDW7oTuYuacQ3nd

任何帮助都将非常感激

回答：

你可以设置一个更大的学习率，比如0.01。并且增加迭代次数，比如500000次。然后你会得到一个相似的结果。

或者你可以将w1初始化为一个较大的数，比如5。