机器学习python实现（一）：多元线性回归

最新推荐文章于 2024-07-28 13:33:18 发布

Yuancccc

最新推荐文章于 2024-07-28 13:33:18 发布

阅读量2.1k

点赞数 3

文章标签：机器学习 Coursera python

本文链接：https://blog.csdn.net/Yuancccc/article/details/84991664

版权

本文介绍了如何使用Python进行多元线性回归来预测房价。通过特征归一化加速梯度下降，并探讨了代价函数与梯度下降的关系。同时，文章还提到了正规方程作为另一种求解方法，讨论了在不同数据规模下选择合适方法的考量因素。

摘要由CSDN通过智能技术生成

在这一部分中，你将用多元线性回归来预测房价。假设你正在出售你的房子，你想知道一个好的市场价格是什么。一种方法是首先收集最近出售的房屋的信息，并建立房价模型。文件ex1data2.txt包含俄勒冈州波特兰的房价培训集。第一列是房子的大小(以平方英尺为单位)，第二栏是卧室的数量，第三栏是房子的价格。
一多元线性回归
1-1 多元方程
多元线性回归指的就是有多个X的情况。比如与房价y有关的变量有：房屋面积x1，位置x2。

此时，我们就要把我们的方程 hθ(x)=θ0+θ1∗x 修改为：

hθ(x)=θ0+θ1x1+θ2x2+⋯+θnxn
其实本质并没有变，就是变量x多了，所以参数θ也跟着多了。但是思想还是没有变：通过误差函数，经过梯度下降求参数。

为了结构统一，我们设 x0=1 ；此时方程应为：

hθ(x)=θ0+θ1x1+θ2x2+⋯+θnxn=θTx

如此一来，便将变量向量化了。也变得和第一章的一样了。

import matplotlib.pyplot as plt
import numpy as np
#导入数据
data=np.loadtxt('ex1data2.txt',delimiter=',',dtype=np.int64)
data=np.matrix(data)
X=data[:,0:2]
y=data[:,2]
m=y.size
X=np.c_[np.ones(m),X]
theta=np.matrix([0,0,0])

part1:特征归一化