第一阶段-第2天-数学基础：平均值、平方、直线方程

原创已于 2026-07-18 09:46:35 修改 · 188 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

0基础学习大模型

话题

#暑假·七月创作之星博客挑战赛

于 2026-07-18 09:45:46 首次发布

今日目标

理解平均值的计算
理解平方的含义
掌握直线方程 y = wx + b
能在纸上画出不同w和b对应的直线

学习内容

1. 平均值

平均值的公式：

平均值 = 所有数之和 ÷ 数的个数

Python实现：

数据 = [1, 3, 5, 7, 9]
总和 = 0
for x in 数据:
    总和 += x
平均值 = 总和 / len(数据)
print(平均值)  # 输出 5.0

更简洁的写法：

数据 = [1, 3, 5, 7, 9]
平均值 = sum(数据) / len(数据)
print(平均值)  # 输出 5.0

2. 平方

平方的含义：一个数乘以它自己。

x = 5
平方 = x * x
print(平方)  # 输出 25

为什么模型训练要用平方？

假设真实值是5，模型预测值是3，误差是2。

如果用绝对值：|3 - 5| = 2

如果用平方：(3 - 5)² = (-2)² = 4

平方的好处：

负数变正数，不会抵消
大误差惩罚更重（误差越大，平方后差距越大）
求导方便

举例对比：

误差	绝对值	平方
1	1	1
2	2	4
3	3	9
10	10	100

可以看到，平方对大误差的惩罚明显更重。

3. 直线方程 y = wx + b

这是所有线性模型的根基。

w（权重/斜率）：x每增加1，y增加多少
b（偏置/截距）：当x=0时，y的值

示例：

def 直线方程(x, w, b):
    """计算直线上的点"""
    return w * x + b

# w=2, b=1 时
for x in range(5):
    y = 直线方程(x, 2, 1)
    print(f"x={x}, y={y}")

输出：

x=0, y=1
x=1, y=3
x=2, y=5
x=3, y=7
x=4, y=9

4. 可视化理解w和b的作用

import matplotlib.pyplot as plt

x_values = [0, 1, 2, 3, 4, 5]

# 不同的w
plt.figure(figsize=(12, 5))

plt.subplot(1, 2, 1)
for w in [0.5, 1, 2, 3]:
    y = [w * x for x in x_values]
    plt.plot(x_values, y, label=f"w={w}, b=0")
plt.xlabel("x")
plt.ylabel("y")
plt.title("不同w的效果（b=0）")
plt.legend()
plt.grid(True)

# 不同的b
plt.subplot(1, 2, 2)
for b in [-2, 0, 2, 4]:
    y = [1 * x + b for x in x_values]
    plt.plot(x_values, y, label=f"w=1, b={b}")
plt.xlabel("x")
plt.ylabel("y")
plt.title("不同b的效果（w=1）")
plt.legend()
plt.grid(True)

plt.tight_layout()
plt.savefig("/tmp/w_b_visualization.png")
print("图表已保存到 /tmp/w_b_visualization.png")

今日练习

练习1：计算平均值

scores = [85, 92, 78, 95, 88]

# 方法1：手动计算
total = 0
for s in scores:
    total += s
avg1 = total / len(scores)

# 方法2：用sum函数
avg2 = sum(scores) / len(scores)

print(f"平均分：{avg1}")
print(f"验证：{avg2}")

练习2：计算均方误差

真实值 = [1, 3, 5, 7, 9]
预测值 = [1.5, 2.8, 5.2, 6.9, 9.5]

# 计算每个预测的误差平方
误差平方列表 = []
for 真实, 预测 in zip(真实值, 预测值):
    误差 = 预测 - 真实
    误差平方 = 误差 ** 2
    误差平方列表.append(误差平方)
    print(f"真实={真实}, 预测={预测}, 误差={误差:.2f}, 误差平方={误差平方:.2f}")

# 计算均方误差
mse = sum(误差平方列表) / len(误差平方列表)
print(f"\n均方误差(MSE)：{mse:.4f}")

练习3：画直线

# 在纸上或代码中，画出以下三条直线，观察它们的区别
# 1. y = 0*x + 1  （水平线）
# 2. y = 1*x + 0  （45度斜线）
# 3. y = 2*x + 1  （更陡的斜线）

for w, b in [(0, 1), (1, 0), (2, 1)]:
    print(f"\nw={w}, b={b} 时：")
    for x in range(5):
        y = w * x + b
        print(f"  x={x}, y={y}")