吴恩达机器学习课后习题ex1

这篇博客主要介绍了吴恩达机器学习课程的课后习题——单线性回归问题。博主详细讲解了如何使用pandas的iloc, loc进行数据处理,利用dot方法进行矩阵相乘,以及np.flatten()进行降维。同时,博主探讨了梯度下降算法,并通过np.linspace绘制数据。在实践中,博主对比了scipy.polyfit自动拟合函数模型与梯度下降法的不同结果,提出了对结果差异的疑问。" 114975309,10275414,springboot整合Elasticsearch与jsoup实战,"['java', 'springboot开发', 'Elasticsearch集成', '网页爬取', '数据存储']
摘要由CSDN通过智能技术生成

在这里插入图片描述
数据exdata.txt见最后:
第一:导入工具包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

二:读取数据

path = 'ex1data1.txt'
data = pd.read_csv(path,header = 0,names = ['Population','Profit'])
data.tail()
Population Profit
91 5.8707 7.20290
92 5.3054 1.98690
93 8.2934 0.14454
94 13.3940 9.05510
95 5.4369 0.61705

三:数据可视化

data.plot(kind='scatter',x='Population',y='Profit')
plt.show()

在这里插入图片描述

四:数据处理

data.insert(0,'Ones',1)
cols = data.shape[1]#二维:[0]行,[1]列
x = data.iloc[:,:cols-1] #保留前两列 'Ones','population'
y = data.iloc[:,cols-1
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值