闲着没事，写了个线性回归的源代码

以前只是在Coursera上吴恩达的《Machine Learning》课时用Matlab写过线性回归的源代码，这些东西虽然在python中有现成的库可以调用，但为了练手，还是随便写了一个线性回归的源代码。逻辑回归原理和线性回归类似，不过要乘一个diag矩阵。数据集是课后作业中的.mat文件不过由于只是练手的缘故，并没有特别注意输入X的数据格式的问题，比如这里默认X的feature个数为1,。感觉numpy对矩阵操作还是不如Matlab方便

# coding=utf-8
# 版权所有，侵权不究
# typhoonbxq
# the University of Hong Kong

import scipy.io as scio
import numpy as np
import matplotlib.pyplot as plt

class LR:
    def __init__(self,X,Y):
        self.m = len(Y)                                              # num of training examples
        self.n = len(X[0]) + 1                                       # num of features, adding "1"
        self.X = np.hstack((np.ones((self.m,1)),X))                  # Add '1' to each training example
        self.Y = Y.reshape((self.m,1))
        self.theta = 0
        self.cost = []


    def fit(self):
        theta &