实验4 线性回归

实验4 线性回归

【实验目的】掌握正规化法和梯度下降法实现线性回归算法
【实验内容】处理样本，使用梯度下降法和正规化法算法进行函数模型预测
【实验要求】写明实验步骤，必要时补充截图

1.使用正规化方法计算下列样本的预测函数（特征归一化后参数有什么变化）

预测函数为：h(x) = 188.40031946 + 0.3866255 * X1 - 56.13824954 * X3 -92.9672536 * X4 - 3.73781915 * X5

2.读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数

预测函数为： h（x）=89597.90954361 + 139.21067402 * X1 - 8738.01911255* X2

3.读取ex1data1.txt中的数据，建立样本集，使用梯度下降法获取公司人数与利润关系的预测函数。并在坐标图中显示预测函数和样本点

4.读取ex1data2.txt中的数据，建立样本集，使用梯度下降法获取（房屋面积，房间数量）与房屋价格间的预测函数。并在三维坐标图中显示预测函数和样本点

🐱具体代码

1.使用正规化方法计算下列样本的预测函数（特征归一化后参数有什么变化）

import numpy as np # 导入 NumPy 库
X = np.array([  
    [1, 2104, 5, 1, 45],    
    [1, 1416, 3, 2, 40],   
    [1, 1534, 3, 2, 30],   
    [1, 852, 2, 1, 36]     
]) 
y = np.array([460,232,315,178])
theta=np.linalg.pinv(X.T@X)@X.T@y #求theta公式
theta
#X 是特征矩阵，y 是目标变量向量
#使用正规化方法来解决线性回归问题
#首先计算 X 的转置与自身的乘积（X.T@X），
#然后计算这个乘积的伪逆，并与 X 的转置和目标向量 y 的乘积相乘，
#从而得到参数向量 theta

2.读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数

import pandas as pd # 导入 pandas 库
import numpy as np # 导入 numpy 库
# 1.读取数据，建立样本集
path = 'ex1data2.txt'
data2 = pd.read_csv(path,names=['Size','Bedrooms','