PolynomialRegression/Polynomial Regression.ipynb

Algorytm najszybszego spadku dla regresji wielomianowej.

Zakładamy, że dysponujemy zbiorem składającym się z dwóch cech (x i y). Modelujemy zależność y od x za pomocą funkcji wielomianowej. Celem projektu jest implementacja metody najszybszego spadku dla tego problemu. Zakładamy kwadratową funkcję straty. Implementacja powinna umożliwiać podanie stopnia wielomianu, który ma być użyty do modelowania. Implementacja powinna zwracać wektor oszacowanych parametrów oraz pokazywać wizualnie zmiany wartości funkcji straty wraz z postępem uczenia.

Zbiór danych: https://www.kaggle.com/varpit94/apple-stock-data-updated-till-22jun2021?select=AAPL.csv This dataset provides historical data of APPLE INC. stock (AAPL). The data is available at a daily level. Currency is USD.

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('AAPL.csv')
X = df['Low']
Y = df['Volume']
display(df.head(5))

	Date	Open	High	Low	Close	Adj Close	Volume
0	1980-12-12	0.128348	0.128906	0.128348	0.128348	0.100751	469033600
1	1980-12-15	0.122210	0.122210	0.121652	0.121652	0.095495	175884800
2	1980-12-16	0.113281	0.113281	0.112723	0.112723	0.088485	105728000
3	1980-12-17	0.115513	0.116071	0.115513	0.115513	0.090676	86441600
4	1980-12-18	0.118862	0.119420	0.118862	0.118862	0.093304	73449600

fig = plt.figure(figsize=(20,10))
chart = fig.add_subplot()
chart.plot(X,Y ,"go")
plt.show()