一元线性回归（Linear Regression）

最新推荐文章于 2024-08-18 21:12:17 发布

韩明宇

最新推荐文章于 2024-08-18 21:12:17 发布

阅读量2.7k

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/qq_37098526/article/details/88748140

版权

本文介绍了一元线性回归模型在食品配送利润预测中的应用。通过散点图可视化数据，并利用梯度下降法求解线性回归参数，以最小化代价函数。在实践中，初始化参数为0，采用批梯度下降更新算法，同时提供了计算代价函数的函数，最终通过可视化展示梯度下降的效果和代价函数的形状。

摘要由CSDN通过智能技术生成

简介

在这节练习中，建立一个一元线性回归模型，以预测食品配送的利润。假设你是一家连锁餐厅的老板，正在考虑在不同的城市开设一家新的餐厅。这个连锁店在各个城市都可以配送，并且你有这个城市的利润和人口数据。

ex1data1.txt文件包含了线性回归问题的数据集。第一列是城市的人口数据，第二列是食品配送的利润，负值表示亏损。

绘制数据

对于这个数据集，可以使用散点图来可视化数据，因为它只有两个属性要绘制（利润和人口）。

# PLOTDATA Plots the data points x and y into a new figure 
#   PLOTDATA(x,y) plots the data points and gives the figure axes labels of
#   population and profit.
from matplotlib import pyplot as plt
import numpy as np


def plotData(x, y):
    plt.title("Training data")
    plt.xlim(4, 24)
    plt.ylim(-5, 25)
    plt.xticks(np.arange(4, 25, 2))
    plt.yticks(np.arange(-5, 26, 5))
    plt.xlabel("Population of City in 10,000s")
    plt.ylabel("Profit in $10,000s")
    plt.scatter(x, y, s=100, c='r', marker='x')
    plt.show()