0基础机器学习——回归算法

先构建并录入一个数据源文件：用excel输入数据（注意：另存为csv格式；在excel中默认为数字是字符串，需要另外打开csv文件，删去字符的引号；文件名不可以有中文） 打开命令行，输入以下代码： loadtxt方法中：对象是路径，还需注意转义符号 “：”表示读取索引值为x的数据 matplotlib库：绘图库

​

编辑

添加图片注释，不超过 140 字（可选）

目标函数：

​

编辑

添加图片注释，不超过 140 字（可选）

代码实现目标函数以及参数初始值：

​

编辑

添加图片注释，不超过 140 字（可选）

将训练数据变为平均值为0，方差为1的数据（为了将横轴x的刻度变小）

​

编辑

添加图片注释，不超过 140 字（可选）

​

编辑

添加图片注释，不超过 140 字（可选）

参数更新表达式：

​

编辑

添加图片注释，不超过 140 字（可选）

​

编辑

添加图片注释，不超过 140 字（可选）

​

编辑

添加图片注释，不超过 140 字（可选）

注意：

1. 更新常数的设置，需要多试几次才知道设置多少，先设置一个较小的数值，比如10的-3次方

2. 当参数更新后目标函数的值没有明显变化后，即可结束训练了

3. 所有参数的更新必须同时进行，θ0更新结束后，θ1的更新不能适用更新后的θ0，而要使用更新前的θ0

​

编辑

添加图片注释，不超过 140 字（可选）

实操 读入训练数据

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

绘图训练数据 plot方法中第三个参数表示图形性状

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

参数初始化 np.random.rand(d0,d1,d2……dn) 注：使用方法与np.random.randn()函数相同 作用： 通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1

​

编辑

添加图片注释，不超过 140 字（可选）

预测函数

​

编辑

添加图片注释，不超过 140 字（可选）

目标函数

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

将训练数据变为平均值为0，方差为1的数据（数据标准化，横轴刻度会发生变化） mean()函数功能：求取均值 std（）函数功能求方差

​

编辑

添加图片注释，不超过 140 字（可选）

下面的代码和结果就略过了（因为没有设置退出条件，卡出去了哈哈）