机器学习·一元线性回归之房价预测（MATLAB版）

最新推荐文章于 2024-08-17 21:31:14 发布

zhengyuv

最新推荐文章于 2024-08-17 21:31:14 发布

阅读量8.3k

点赞数 3

文章标签：机器学习 matlab 回归预测房价预测一元线性回归

本文链接：https://blog.csdn.net/qq_33434901/article/details/79569982

版权

本文详细介绍了使用MATLAB进行一元线性回归来预测房价的步骤，包括程序结构、代码实现及运行结果展示。通过分析城市人口数量与房价的关系，运用LR_One_Var.m、CompCost.m、GradDesc.m和PlotData.m四个函数进行数据描绘、损失函数计算、梯度下降优化和结果展示。

摘要由CSDN通过智能技术生成

本文分为三个大部分：一.程序结构二.程序代码三.运行结果

一.程序结构

程序结构
此实例有一个数据集sampleDataSets.txt，该数据集部分截图如下。其中，第一列为城市人口数量（单位：万人），第二列为对应的参考房价（单位：十万）。

LR_One_Var.m文件为主程序；CompCost.m文件为计算损失值得函数；GradDesc.m文件为梯度下降函数，用于寻找最优的θ；PlotData.m文件为描绘采集数据图像的函数。

二.程序代码

LR_One_Var.m文件代码如下。

%%%%%%%%%%%%%%%%%%%%绘图函数%%%%%%%%%%%%%%%%%%%%
disp('step1:plotting data');
%1.导入采样数据
data=load('sampleDataSets.txt');%第一列是城市人口数，第二列是参考房价

%2.分配数据
X=data(:,1);%城市人口数（万人）
y=data(:,2);%参考房价（十万）
m=length(y);%数据长度

%3.绘图
PlotData(X,y);

disp('按任意键继续');
pause;

%%%%%%%%%%%%%%%%%%%%梯度下降%%%%