线性回归——练习题

一个特征值

• 加载数据，将数据赋给x和y两个向量；
  此处使用numpy模块对数组进行处理data = np.loadtxt(‘data1’,delimiter=’、’)，此时data为包含两列数据的数组；
  计算data的行数，将第一列赋给x，第二列赋给y

m = np.size(data,0)
x=data[:,0]#数据切片，取所有行的第一列,为一行数据
y=data[:,1]#去所有行的第二列，一行数据

• 画出原始数据的散点图

fig,ax = plt.subplots(1,2,figsize(20,10))
a[0].scatter(x,y,c='r',marker='x')
ax[0].plot(x, mx.dot(theta))
ax[0].set_title('Original scatterplot and Predict line')

如图：

• 代价函数

  • 数据整理

  theta = np.zeros(2)
  mx = x.reshape((m,1))
  mx = np.hstack((np.ones((m,1)),mx))
  my = y.reshape((m,1))

  • 代价函数实现

  def costFunc(theta, x, y):
   m, n = x.shape#m为x的行数，n为x的列数
   theta = theta.reshape((n, 1))
   y = y.reshape((m, 1))#重复做事防止y没被标准化m行1列的形式
   err = x.dot(theta) - y
   J = 0.5*(np.sum(err*err))/m
   return J

• 使用梯度下降法最小化代价函数
  δδθ0J(θ0,θ1)=1m