多变量线性回归练习

半岛铁盒@

已于 2023-11-08 23:00:24 修改

阅读量190

点赞数

文章标签：线性回归算法回归

于 2023-11-08 19:10:57 首次发布

本文链接：https://blog.csdn.net/weixin_45556441/article/details/134295905

版权

读取数据+特征归一化
在这里插入图片描述
mean是均值

在这里插入图片描述

将特征大小控制在 -1~1之间

房屋的面积对价格的影响
在这里插入图片描述

卧室数量对价格的影响
在这里插入图片描述

损失函数

def costFunction(X,y,theta):
inner =np.power(X@theta-y,2)
return np.sum(inner)/(2*len(X))
在这里插入图片描述

梯度下降

在这里插入图片描述

def gradientDescent(X,y,theta,alpha,iters):
    costs = []
    
    for i in range(iters):
        theta = theta - (X.T @ (X@theta - y) ) * alpha / len(X)
        cost = costFunction(X,y,theta)
        costs.append(cost)
        
        if i % 100 == 0:
            print(cost)
            
    return theta,costs