线性回归作业

#调用一些库
import numpy as np   #numpy能够实现矩阵计算
import pandas as pd  #pandas能够实现数据分析
import matplotlib.pyplot as plt  #matplotlib能够绘制各种图表

path='data1.txt'  #定义变量path，如果把文件放到根目录下，那么panth=文件名就可以了  常规的处理办法是path="文件绝对路径+文件名"


#读取数据集  使用pandas里面的read_csv函数  此函数可以读取 .csv  .txt 等格式的文件 
#read_csv函数传入的第一个参数为path（数据集的绝对路径）
#第二个参数是header=None 本题读取.txt类型的文件 但是该文件没有标题行（类似表格的列名），那么就需要指定header=None，从而避免第一行被当成了标题行
#第三个参数是给数据集添加标题行  如果不写names=['Population','Profit']  那么默认标题行为 0 和 1
data=pd.read_csv(path,header=None,names=['Population','Profit'])


#预览一下 head函数是显示前五行  同理tail函数显示的是倒数五行
data.head()

	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

data.describe() #describe函数是展示一下数据的一些信息  这个可以去掉

	Population	Profit
count	97.000000	97.000000
mean	8.159800	5.839135
std	3.869884	5.510262
min	5.026900	-2.680700
25%	5.707700	1.986900
50%	6.589400	4.562300
75%	8.578100	7.046700
max	22.203000	24.147000

#画图  plot函数


#第一个参数是图的种类scatter是散点图的意思
#第二、第三个参数是x轴y轴的值
#第四个参数是指定图片的大小（可修改）
data.plot(kind='scatter', x='Population', y='Profit', figsize=(14,10))
#展示画的图
plt.show()

​

​

#定义代价函数  我们的目标就是要让代价函数越小越好！（你可以把代价函数理解称“误差”）

#power函数：乘方运算
#.T是矩阵的转置
#sum函数：求和
#len函数：返回列表的长度
#传入三个参数X Y theta 

#我们不用关心代价函数为什么要这样定义
#只要把代价函数的数学公式用python敲出来就好

def computeCost(X,Y,theta):
    
    inner=np.power(((X*theta.T)-Y),2)
    
    return np.sum(inner)/(2*len(X))#返回的是代价函数的值

#训练集中添加一列，以便我们可以使用向量化的解决方案来计算代价和梯度。
data.insert(0, 'Ones', 1)

#预览一下数据
data.head()

	Ones	Population	Profit
0	1	6.1101	17.5920
1	1	5.5277	9.1302
2	1	8.5186	13.6620
3	1	7.0032	11.8540
4	1	5.8598	6.8233

#变量初始化

#要从文件中将X和Y的值分离出来

cols = data.shape[1]#shape[1]是矩阵的第二维长度，也就是列数

#iloc函数的用法
#比如iloc[ : , 0:2 ] 第一个“：”是遍历的意思  第二个“0：2” 是从是第0、1列 
#因为在python中“：”是左闭右开的区间  0：2 等价于[0,2)

X = data.iloc[:,0:cols-1]#X是原矩阵去掉最后一列组成的的矩阵

Y = data.iloc[:,cols-1:cols]#Y是最后一列组成的矩阵

#预览一下X
X.head()#head()是观察前5行

	Ones	Population
0	1	6.1101
1	1	5.5277
2	1	8.5186
3	1	7.0032
4	1	5.8598

#预览一下Y
Y.head()

	Profit
0	17.5920
1	9.1302
2	13.6620
3	11.8540
4	6.8233

#np.matrix函数：创建一个新的相同的矩阵。当修改新矩阵时，原来的矩阵不会改变。
#values函数：获取值

X = np.matrix(X.values)
Y = np.matrix(Y.values)

#np.array函数：创建一个数组
#然后再用np.matrix把它转成矩阵
theta = np.matrix(np.array([0,0]))

#查看一下它们的形状
X.shape, theta.shape, Y.shape

((97, 2), (1, 2), (97, 1))

#梯度下降函数

#alpha是学习速率，iters是迭代次数（）
def gradientDescent(X, Y, theta, alpha, iters):
    
    #np.zeros是产生一个给定形状和类型的用0填充的数组
    temp = np.matrix(np.zeros(theta.shape))#定义一个和theta相同形状的零矩阵
    
    parameters = int(theta.ravel().shape[1])#ravel函数：ravel是散开的意思，就是把theta第二列散开成一维数组
                                            #这个函数产生的是副本，不会改变原来的theta矩阵
    
    cost = np.zeros(iters)
    
    #以下是梯度下降公式的实现
    
    for i in range(iters):
        error = (X * theta.T) - Y
        
        for j in range(parameters):
            term = np.multiply(error, X[:,j])
            temp[0,j] = theta[0,j] - ((alpha / len(X)) * np.sum(term))
            
        theta = temp
        cost[i] = computeCost(X, Y, theta)
        
    return theta, cost

alpha = 0.01  #定义学习速率为0.01
iters = 1000  #定义迭代次数为1000
#以上两个参数涉及机器学习的更深层次的知识，可以先不做深究

g, cost = gradientDescent(X, Y, theta, alpha, iters)
#使用gradientDescent函数：得到theta矩阵，赋值给g；得到代价函数的一系列数值，并赋值给cost列表

computeCost(X, Y, g)  #这里得到的是代价函数的最小值

4.515955503078914

x = np.linspace(data.Population.min(), data.Population.max(), 100)#np.linspace函数：以均匀步长生成数字序列 100是指有100个点

f = g[0, 0] + (g[0, 1] * x)  # f=b+kx  g[0,0]是b  g[0,1]是k

fig, ax = plt.subplots(figsize=(12,8))
ax.plot(x, f, 'r', label='Prediction')  #（x轴，y轴，红色，图例：左上角那个）
ax.scatter(data.Population, data.Profit, label='Traning Data')  #（x轴是Population，y轴是Profit，图例：左上角那个）
ax.legend(loc=2)#lengend是设置图例的位置、大小......这里给loc参数赋值为2，就是放在图片这个位置（没搞懂）

ax.set_xlabel('Population')#设置x轴是Population
ax.set_ylabel('Profit')#设置y轴是Profit
ax.set_title('Predicted Profit vs. Population Size')#设置标题
plt.show()#展示图表

​

​