吴恩达机器学习CS229A_EX1_线性回归_Python3

单变量回归

问题描述：你的数据集中，x 是某个城市的人口数量，y 是你的餐车在那个城市的盈亏数额。对这个数据集进行挖掘，帮助你进行决策。

---

首先导入并分析数据：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def loadData(firename):
    return pd.read_csv(firename, header=None, names=['Population', 'Profit'])

data = loadData('ex1data1.txt')
print(data.head())
print(data.describe())
data.plot(kind='scatter', x='Population', y='Profit', figsize=(12, 8))
plt.show()

输出得到 data 的数据形式以及数据特征：

   Population   Profit
0      6.1101  17.5920
1      5.5277   9.1302
2      8.5186  13.6620
3      7.0032  11.8540
4      5.8598   6.8233

       Population     Profit
count   97.000000  97.000000
mean     8.159800   5.839135
std      3.869884   5.510262
min      5.026900  -2.680700
25%      5.707700   1.986900
50%      6.589400   4.562300
75%      8.578100   7.046700
max     22.203000  24.147000

Process finished with exit code 0

绘制数据集的散点图：

---

接着对数据进行预处理：

def initData(data):
    # 为每个样本添加 x0 = 1
    # 将数据集分为特征集和标签集
    data.insert(0, 'Ones', 1)
    cols = data.shape[1]
    X = data.iloc[:, 0:cols - 1]
    y = data.iloc[:, cols - 1:cols]
    # 将特征集和标签集转化为 numpy 矩阵
    X = np.matrix(X.values)
    y = np.matrix(y.values)
    # 初始化 alpha 为全 0
    theta = np.matrix(np.array([0, 0]))
    return X, y, theta

首先将 X 、y 分别转化为：

    Ones  Population
0      1      6.1101
1      1      5.5277
2      1      8.5186
3      1      7.0032
4      1      5.8598
..   ...         ...
92     1      5.8707
93     1      5.3054
94     1      8.2934
95     1     13.3940
96     1      5.4369

[97 rows x 2 columns]

      Profit
0   17.59200
1    9.13020
2   13.66200
3   11.85400
4    6.82330
..       ...
92   7.20290
93   1.98690
94   0.14454
95   9.05510
96   0.61705

[97 rows x 1 columns]

然后转化为 Numpy 矩阵，返回用于矩阵运算的 X 、y 、theta，可以查看三个矩阵的大小：

data = loadData('ex1data1.txt')
X, y, theta = initData(data)
print(X.shape, theta.shape, y.shape)

(97, 2) (1, 2) (97, 1)

Process finished with exit code 0

---

根据如下公式计算 cost ：