Kx+b funksiyasi

KX+B FUNKSIYASI
Sızıqlı funksiya dep, y = kx + b kórinisindegi funksiyaǵa aytıladı, bul jerde k hám b — berilgen sanlar. b = 0 bolǵanda sızıqlı funksiya y= kx kóriniske iye boladı jáne onıń grafigi koordinatalar basınan ótetuǵın tuwrı sızıq boladı. Bul dálilge tıykarlanıp, y — kx + b sızıqlı funksiyanıń grafigi tuwrı sızıq bolıwın kórsetiw múmkin. Eki noqat arqalı bir ǵana tuwrı sızıq ótkenligi sebepli y = kx+b funksiyanıń grafigini soǵıw ushın sol grafikdıń eki noqatın tabiw jetkilikli boladı.
Sızıqlı funksiyanin’ aniqlaniw oblasti haqiyqiy sanlar kopligi esaplanadi.
Eger k ≠ 0 den keyin sızıqlı funksiya manisler ovlastipútkil haqıyqıy sanlar kopligi bolip tabıladı. Eger k = 0 den keyin sızıqlı funksiya manisi b sanina ten boladi.
Funksiyanin’ juplig’i yamasa taqlig’i onin’ koeffitsientlerine baylanisli yag’niy k ha’m b g’a.
a) b ≠ 0, k = 0, sol sebepli, y = b - jup;
b) b = 0, k ≠ 0, sol sebepli y = kx - toq;
c) b ≠ 0, k ≠ 0, sol sebepli y = kx + b - ulıwma funktsiya ;
d) b = 0, k = 0, sol sebepli y = 0 - da jup, da toq funksiy

import matplotlib.pyplot as pl

import numpy as np
import random as rd

ax=pl.gca()

ax.spines['top'].set_color('red')
ax.spines['bottom'].set_position('zero')
ax.spines['left'].set_position('zero')
ax.spines['right'].set_color('blue')

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

y_true=[8,,15,17,21,25,27]

pl.plot(xinput, y_true)

w=rd.random()
b=rd.random()

print("Baslangish manis:", w)

print("Baslangish manis:", b)

def gradient_d(x, y_true):

return 2*x*(w*x+b-y_true)
def gradient_b(x, y_true):
return 2*(w*x+b-y_true)

learning_rate=0.01

for epoch in range(350):
for x, y in zip(xinput, y_true):
gradient=gradient_d(x, y)
gradient1=gradient_b(x, y)
w=w-learning_rate*gradient
b=b-learning_rate*gradient1
print(epoch, "w=", w)
print(epoch, "b=", b)

pl.plot(xinput, np.dot(xinput,w))

pl.plot(xinput, np.dot(xinput, b))
pl.show()