线性回归初步实现（不调包）

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

# 画图中文显示：不报错
mpl.rcParams['font.sans-serif'] = [u'simHei']
mpl.rcParams['axes.unicode_minus'] = False

# 设置训练集特征属性X,特征属性Y
X1 = np.array([10, 15, 20, 30, 50, 60, 60, 70]).reshape((-1, 1))
Y = np.array([0.8, 1.0, 1.8, 2.0, 3.2, 3.0, 3.1, 3.5]).reshape((-1, 1))

# 添加一个截距项对应的X值 np.column_stack(),也就是theta0
X = np.column_stack((np.ones_like(X1), X1))

# 转换X1,Y的数据变成矩阵，方便后续计算
X = np.mat(X)
Y = np.mat(Y)

# 设置线性回归训练，找出最优theta,theta0
theta = (X.T * X).I * X.T * Y


# 根据训练数据，找出测试值
y_predict = X * theta
x_test = [[1, 55]]
y_test_hat = x_test * theta
print('价格：', y_test_hat)

# 画图显示
plt.plot(X1, Y, 'r', linewidth=3, linestyle='-', marker='o', markersize='10', label=u'真实值')
plt.plot(X1, y_predict, 'b', linewidth=3, linestyle='--', marker='o', markersize='10', label=u'预测值')
plt.legend(loc='best')
plt.show()
# plt.plot(X1, Y, 'bo', label=u'真实值')
# plt.plot(X1, y_predict, 'r--o', label=u'预测值')
# plt.legend(loc='lower right')
# plt.show()