吴恩达机器学习笔记--ex1(Python实现)

单变量的线性回归(Linear Regression with one variable)#

导入所需要的库#

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

读取数据#

path = 'ex1data1.txt'#路径
data = pd.read_csv(path, header=None, names=['Population','Profit'])
#print(data.head())

运行结果:

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

绘制散点图#

data.plot(kind='scatter', x='Population', y='Profit', figsize=(12,8))
#plt.show()

运行结果:

image

计算损失函数#

J(θ)=12m∑i=1m(hθ(x(i))−y(i))2J(θ)=12m∑i=1m(hθ(x(i))−y(i))2

其中:h(θ)=θTX=θ0x0+θ1x1+...+θnxnh(θ)=θTX=θ0x0+θ1x1+...+θnxn (n=1,x0=1n=1,x0=1)

len = len(data)
c = 0
theta = np.zeros(2)

t = []#t为迭代轮数
cost = []#cost为每轮的损失值
theta0 = []
theta1 = []

for j in range(len):
    c += 1.0/(2*len) * pow(theta[0] * 1 + theta[1] * data.Population[j] - data.Profit[j],2)

#print(c)

运行结果:

32.072733877455676

实现梯度下降#

批量梯度下

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值