机器学习练习——线性回归

最新推荐文章于 2025-03-27 19:48:44 发布

SUNNY小飞

最新推荐文章于 2025-03-27 19:48:44 发布

阅读量1.4k

点赞数 2

分类专栏：机器学习文章标签：机器学习练习吴恩达机器学习作业

本文链接：https://blog.csdn.net/qq_34290470/article/details/97614641

版权

这篇博客介绍了如何运用线性回归解决实际问题，通过吴恩达的机器学习课程实践，利用给定的城市人口数据来预测餐馆利润，通过计算代价函数和应用梯度下降进行模型训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一. 单变量线性回归
问题背景：假如你是餐馆老板，已知若干城市中人口和利润的数据（ex1data1.txt），用线性回归方法计算该去哪个城市发展。

主函数：

%Step01 加载数据 
%X是取exdata1.txt 文件的第一列数据
%Y是取exdate1.txt文件的第二列数据
data = load('ex1data1.txt');
X = data(:,1); 
y = data(:,2);
m = length(y);      %保存样本数据数量

%Step02 绘图可视化数据 数据用红X表示 ‘rx‘；大小为10，设置X/Y轴标签
figure;     % 
plot(X,y,'rx','MarkerSize',10);
xlabel('城市人口，单位：/万人');
ylabel('利润，单位：/万元');

X = [ones(m,1),data(:,1)];      %增加一列，全赋值为1
theta = zeros(2,1)     %初始化拟合参数 定义一个2行1列的0矩阵
num_iters = 1500;       %迭代次数
alpha = 0.01;       %学习率
J = computeCost(X,y,theta)    %计算并显示初始成本

%用梯度下降求最优解 并将函数画在图上
theta = gradientDescent(X,y,theta,alpha,num_iters);
hold on;
plot(X(:, 2), X*theta, '-');


%对代价函数进行可视化分析

%linspace(x1,x2,N)
%功 能：用于产生x1，x2之间的N点行矢量，相邻数据跨度相同。
%其中x1、x2、N分别为起始值、终止值、元素个数。若缺省N&#x