如何用for循环创建嵌套列表实现网格搜索拟合预测值

需求回顾 #

给定数据集xdata、ydata，已生成包含所有待测试(m,b)对的网格grid，需要通过for循环迭代，为每个x值计算所有(m,b)对应的预测y值，最终得到嵌套列表结构（外层列表每个元素对应一个x的所有预测值，内层为该x下的结果集合）。

实现代码 #

首先定义已知数据与示例网格（若grid已生成可跳过网格生成部分）：

xdata = [0.5, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5.0]
ydata = [1.2, 1.8, 1.7, 3.0, 3.5, 3.2, 4.5, 4.8, 5.3, 6.2]

# 示例：生成m和b的网格（根据实际需求调整m、b的取值范围）
import itertools
m_candidates = [0.8, 1.0, 1.2, 1.4]  # 可替换为你的m取值列表
b_candidates = [0.2, 0.4, 0.6, 0.8]  # 可替换为你的b取值列表
grid = list(itertools.product(m_candidates, b_candidates))

接下来用嵌套for循环生成目标嵌套列表：

# 初始化存储结果的嵌套列表
predicted_y_list = []

# 遍历每个x值
for x in xdata:
    # 存储当前x对应的所有预测值
    current_x_preds = []
    # 遍历所有(m,b)对计算预测值
    for m, b in grid:
        y_pred = m * x + b
        current_x_preds.append(y_pred)
    # 将当前x的预测值列表加入外层列表
    predicted_y_list.append(current_x_preds)

结构说明 #

最终得到的predicted_y_list结构如下：

• 外层列表长度等于xdata的长度（10个元素）
• 每个外层元素是一个子列表，长度等于grid中(m,b)对的数量，子列表内的元素是对应x值在不同(m,b)下的预测y值

补充：列表推导式简化写法 #

如果允许使用列表推导式（逻辑与循环完全一致），可以简化为一行：

predicted_y_list = [[m * x + b for m, b in grid] for x in xdata]

内容的提问来源于stack exchange，提问作者Edgar E Villegas