首页
前端开发
后端开发
数据库
数据分析
开发工具
测验/考试
代码笔记
🎁 机器学习（ML）是AI的核心驱动力！全面、实用的 机器学习（ML）教程 现已正式上线 👉 点击学习
导航分类
机器学习（ML）JavaScript 应用 ML 散点图数据分析
主题
  • 默认模式
  • 浅蓝色模式
  • 淡绿色模式
  • 深夜模式

线性图（Linear Graphs）

在机器学习中，我们通常使用线性图表来展示变量之间的关系。线性图表可以直观地呈现线性函数的值：y = ax + b

线性图的核心概念解析：

  • 线性（直线性关系）
  • 斜率（角度系数，表示直线的倾斜程度）
  • 截距（初始值，直线与y轴的交点）

线性（Linear）

指具有直线特性。线性图表示一条直线。图表由两个坐标轴组成：x轴（水平轴）和y轴（垂直轴）。

实例代码 运行代码
复制
const xValues = [];
const yValues = [];

// 生成数据 (y = x)
for (let x = 0; x <= 10; x += 1) {
    xValues.push(x);
    yValues.push(x);
}

// 配置图表
const data = [{
    x: xValues,
    y: yValues,
    mode: 'lines+markers',  // 显示线和点
    line: { color: '#2951e0', width: 2 },
    marker: { size: 8 },
    name: 'y = x'
}];

const layout = {
    title: '线性函数 y = x',
    xaxis: { title: 'x 轴' },
    yaxis: { title: 'y 轴' },
    showlegend: true
};

// 渲染图表
Plotly.newPlot('myPlot1', data, layout);

斜率（Slope）

斜率（Slope）表示直线的倾斜程度，在公式y=ax+b中对应系数a。

  • 正斜率表示直线向右上方倾斜。
  • 负斜率表示直线向右下方倾斜。
  • 零斜率表示水平线
实例代码 运行代码
复制
let slope = 1.2;
const xValues = [];
const yValues = [];

// 生成数据 (y = 1.2x)
for (let x = 0; x <= 10; x += 1) {
    xValues.push(x);
    yValues.push(x * slope);
}

// 配置图表
const data = [{
    x: xValues,
    y: yValues,
    mode: 'lines+markers', // 显示线和点
    line: {
        color: '#2951e0',
        width: 2
    },
    marker: {
        size: 8
    },
    name: 'y = 1.2x'
}];

const layout = {
    title: '斜率（Slope）=1.2',
    xaxis: {
        title: 'x 轴'
    },
    yaxis: {
        title: 'y 轴'
    },
    showlegend: true
};

// 渲染图表
Plotly.newPlot('myPlot1', data, layout);

截距（Intercept）

指直线与y轴的交点，在公式y=ax+b中对应常数项b。

  • 反映函数的初始值。
  • 当x=0时，y=b。
实例代码 运行代码
复制
let slope = 1.2;
let intercept = 7;
const xValues = [];
const yValues = [];

// 生成数据 (y = 1.2x + 7)
for (let x = 0; x <= 10; x += 1) {
    xValues.push(x);
    yValues.push(x * slope + intercept);
}

// 配置图表
const data = [{
    x: xValues,
    y: yValues,
    mode: 'lines+markers', // 显示线和点
    line: {
        color: '#2951e0',
        width: 2
    },
    marker: {
        size: 8
    },
    name: 'y = 1.2x + 7'
}];

const layout = {
    title: '斜率（Slope）=1.2，截距（Intercept）=7',
    xaxis: {
        title: 'x 轴'
    },
    yaxis: {
        title: 'y 轴'
    },
    showlegend: true
};

// 渲染图表
Plotly.newPlot('myPlot1', data, layout);
评论区 0
发表评论
教程介绍
机器学习是人工智能的子领域，通过算法让计算机从数据中自动学习规律，并做出预测或决策。
54 章节
54 阅读
0 评论
教程目录

机器学习（Machine Learning）

ML 概述 ML 与 AI ML 编程语言 ML JavaScript ML 线性图 ML 散点图 ML 感知机 ML 模式识别 ML 模型训练 ML 模型测试 ML 算法基础 ML 术语表 ML 数据处理 ML 聚类分析 ML 回归分析 ML 深度学习 ML Brain.js

TensorFlow

TFJS 教程 TFJS 操作 TFJS 模型 TFJS 可视化

示例1

Ex1 概述 Ex1 模型训练 Ex1 模型 Ex1 训练

示例2

Ex2 概述 Ex2 数据集 Ex2 模型 Ex2 训练

JS 图形（Graph）

Graph 概述 Graph Canvas Graph Plotly.js Graph Chart.js Graph Google Graph D3.js

演进史（History）

智能演进 语言演进 数字演进 计算演进 机器人演进 AI演进 职业自动化 心智理论

数学（Mathematics）

数学基础 线性函数 线性代数 向量运算 矩阵理论 张量运算

统计学（Statistics）

统计学原理 描述性统计 变异性分析 概率分布 概率基础