分布式系统 —— 分布式线性回归的应用

最新推荐文章于 2024-09-28 04:43:37 发布

原创

最新推荐文章于 2024-09-28 04:43:37 发布 · 1.1k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#线性回归 #算法 #回归

在本文中，你将学习如何在分布式环境中实现线性回归。

1. 题目背景

假设每个节点i都可以访问以下观测数据：

给定的公式 $y_i^k = ax_i^k + b + \epsilon_i^k$ 描述了每个节点观察到的线性关系，其中

$x_i^k$ 是第 $k$ 次观察的已知输入。

$y_i^k$ 是第 $k$ 次观察的已知输出。

$a$ 和 $b$ 分别是未知的斜率系数和截距系数。

$\epsilon_i^k$ 是均值为0、方差为1的未知正态噪声。

2. 任务1

2.1 任务1问题

补全下图的代码，该代码将为每个节点生成观测数据。

var True_regressor float64 = 2
var True_intercept float64 = 5
var number_data int = 1000
x_values_node_1 := make([]float64, number_data)
y_values_node_1 := make([]float64, number_data)
x_values_node_2 := make([]float64, number_data)
y_values_node_2 := make([]float64, number_data)
x_values_node_3 := make([]float64, number_data)
y_values_node_3 := make([]float64, number_data)
s1 := rand.NewSource(time.Now().UnixNano())
r1 := rand.New(s1)
for i := 0; i < number_data; i++ {
var rnd = r1.NormFloat64()
x_values_node_1[i] = r1.Float64()
y_values_node_1[i] = //To complete
x_values_node_2[i] = //To complete
y_values_node_2[i] = //To complete
x_values_node_3[i] = //To complete
y_values_node_3[i] = //To complete
}