机器学习之简单线性回归算法（三）生成数据及预测

操作要求

利用python编写如下程序，
为对单变量线性回归有较深刻的认识，现自行设计数据集。数据集的要求如下，训练集：xdata为100个在（0,1）范围内服从正态分布的随机数，ydata满足：ydata=2*xdata+3+random1,其中random1也是（0,1）范围内服从正态分布的随机数。测试集：选择训练集中前30个数据作为测试集。
请通过Python实现一元线性回归模型，并用此模型预测y，具体要求如下：
完成数据集的读取
实现线性回归的代价函数
实现梯度下降函数
要求输出迭代过程中的代价函数值
通过梯度下降计算回归模型，用所得模型对测试集的数据进行预测
以横轴为真实值，纵轴为预测值，画出散点图进行对比

代码及注释

import numpy as np
from matplotlib import pyplot as plt

# 数据集的要求如下，
# 训练集 xdata为100个在（0,1）范围内服从正态分布的随机数，
#       ydata满足：ydata=2*xdata+3+random1,其中random1也是（0,1）范围内服从正态分布的随机数。
# 测试集：选择训练集中前30个数据作为测试集

# 生成训练集xdata
xdata = np.ones((100,2))
for i in range(100):
    xdata[i,1] = np.random.random()
# print(xdata)

# 生成训练集ydata
ydata = np.zeros((100,1))