机器学习1笔试月度解析（三）

题目要求

1.按要求完成下面的各项需求。
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200个在（0,5）范围内服从正态分布的随机数，ydata满足：ydata=4*xdata+8+random1,其中random1也是（0,5）范围内服从正态分布的随机数。测试集：选择训练集中前50个数据作为测试集。请通过Python实现线性回归模型，并用此模型预测y，具体要求如下：
1.生成训练集数据（8分）
2.生成测试集数据（8分）
3.实现线性回归的代价函数（8分）
4.实现梯度下降函数（4分）
5.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（4分）
6.以横轴为真实值，纵轴为预测值，画出散点图进行对比（8分）

题目解析

这个题目要求我们自己生成数据，思路一定要清晰。单变量线性回归手写底层，考察基本功底，比较简单，但是不能大意，重要的点在于学习率的调节。

实现代码如下：

'''
    手写线性回归
'''
import numpy as np
from matplotlib import pyplot as plt
# 设置中文字体和负号正常显示
plt.rcParams['font.sans-serif'] &#