2021-09-18

吴恩达机器学习第一次作业小计

最近再看吴恩达的机器学习教程，看完第一节做了一下对应的作业，第一次作业不难，但是在完成的过程也遇到了一点小麻烦，其中一个由于粗心导致的问题调试了好久才发现，下面简单做一下记录。

作业是单变量的线性回归，有两列数，分别是population和profit。现在需要计算得到一个线性函数根据population预测得到profit。
首先读入数据，数据大概长下面这样。

path =  'C:/Users/ASUS/Desktop/2.txt' #路径根据实际情况写
data = pd.read_csv(path, header=None, names=['Population', 'Profit'])

然后要简单处理一下数据，因为我们要做的是用y=w0*x+w1来拟合上述数据，先把x和y搞出来并变成矩阵方便后续计算处理。

data.insert(0,'ones',[1]*data.shape[0]) #添加一列全是1的
x = data.ix[:,0:-1]
y = data.ix[:,-1]
x=np.mat(x)
y=np.mat(y)

之后就初始化一个[w0,w1]，利用梯度下降进行迭代得到最优的权值。

theta = np.matrix(([0.],[0.]))
def gradient(lr, num, x, y, theta):
    para_num = theta.ravel().shape[1]
    
    for i in range(num):
        error = (x*theta-y.T)
        for n in range(para_num):
            term = error.T*x[:,n]/(x.shape[0])
            theta[n,0] = theta[n,0] - term[0,0]*lr
            
    return theta

就在这里我犯了一个大错导致后续计算结果完全不对，但是我在初始化[w0,w1]时，是用theta = np.matrix(([0],[0])) 完成的，这样导致theta中的值默认是整型，后续用theta[n,0] = theta[n,0] - term[0,0]*lr更新theta值时，由于theta[n,0] - term[0,0]*lr计算得到的结果基本都小于1，这样导致theta的值一直是0。
反思完了，下面进行拟合效果展示。

theta = gradient(0.01,10,x,y,theta)
m=np.arange(25)
n=theta[0,0] +theta[1,0]*m
plt.scatter(np.array(data['Population']),np.array(data['Profit']),color='r')
plt.plot(m,n,color='b')
plt.show()