写下这篇博客只是为了当做一个记录记下来,以后可以回头看看,不至于每遇到一次都要去实现一遍。
线性回归的主要内容如下:
因为要最小化J,有两种方法,一种是最小二乘法直接求解,另一种是梯度下降法。这里记录的是梯度下降法。
梯度下降法可以归结为NG课程中以下的图片:
所以线性回归梯度下降法的主要核心就在于对theta的更新,以下是本文代码,代码比较粗糙原生,容易理解。数据集用的其实是离散的分类数据集,不过是二维的,
画出图来比较容易看。
#-*-coding:utf-8-*-
import numpy as np
import matplotlib.pyplot as plt
data = []
f = open("logistic_x.txt", "r")
for line in f:
field = li