吴恩达机器学习作业（二）多变量线性回归（ Size / Bedrooms / Prize 数据）

最新推荐文章于 2023-10-08 11:15:11 发布

Sikecho:)

最新推荐文章于 2023-10-08 11:15:11 发布

阅读量710

点赞数 2

分类专栏：强化学习文章标签： python 机器学习

本文链接：https://blog.csdn.net/Echoshit8/article/details/114229514

版权

多变量线性回归（ Size / Bedrooms / Prize 数据）

开发环境
任务
程序分解
完整代码

开发环境

Anaconda 4.9.2 / Python 3.6.12

任务

已知一个有关房屋的数据集，其中有两个变量（房子的大小和卧室的数量）和目标（房子的价格），现需分析该数据集。

程序分解

导入原始数据

代码

import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
path =  'E:\Ana3\linear_2\ex1data2.txt'
data2 = pd.read_csv(path, header=None, names=['Size', 'Bedrooms', 'Price'])
data2.head()
print(data2.head())#看前五行

结果
在这里插入图片描述

预处理之特征归一化

代码

data2 = (data2 - data2.mean()) / data2.std()
print(data2.head())#特征归一化之后的前五行数据

结果
在这里插入图片描述

计算代价函数

代码

def computeCost(X, y, theta):
    inner = np.power(((X * theta.T) - y), 2)
    return np.sum(inner) / (2 * len(X))#定义代价函数J
data2.insert(0, 'Ones', 1)
cols = data2.shape[1]#在训练集中添加一列，值为1，以便使用向量化的方案计算代价和梯度
X2 = data2.iloc[:,0:cols-1]#X2是所有行，去掉最后一列
y2 = data2.iloc[:,cols-1:cols]#y2是所有行，最后一列
print(X2.head()