吴恩达机器学习课后习题（线性回归二）

一、线性回归

当训练集中每个训练样本的属性有多个时（x有多列），使用梯度下降算法进行拟合数据，此时用到X矩阵与theta向量相乘作为sigmoid函数的参数

二、实现线性回归

导入两种数据包，由于多个特征的数值相差较大，需要收敛时间较长，且容易出现震荡，故将data数据集中的数据进行特征缩放（均质化归一）

path = "E:\\pyCharm\\workspace\\ex1_Andrew\\ex2data2.txt"
data = pd.read_csv(path,header=None,names=['Size','Bedrooms','Price'])
data = (data-data.mean())/data.std() #均值化归一操作,mean()函数对所有的值求平均值，std()函数为标准差
print(data.head())

初始化X，y，theta三个变量，之后需要将X，y更变为matrix矩阵才可以用于相乘，数据集不可以直接相乘，theta也初始化为全0的矩阵

data.insert(0,'ones',1) #在表中最前边加一列，值全为1;在进行特征缩放（均值化归一）之后再加头列用于theta0相乘
cols = data.shape[1]