练习1：线性回归

介绍
在本练习中，您将 实现线性回归并了解其在数据上的工作原理。

在开始练习前，需要下载如下的文件进行数据上传：

ex1data1.txt -单变量的线性回归数据集
ex1data2.txt -多变量的线性回归数据集
在整个练习中，涉及如下的必做作业，及标号*的选做作业：

· 实现简单示例函数----------（5分）
· 实现数据集显示的函数-------（5分）
· 计算线性回归成本的函数-----（40分）
· 运行梯度下降的功能函数-----（50分）
数据标准化*
多变量线性回归的梯度下降功能实现*
必做作业为实现单变量的线性回归；选做作业为实现多变量线性回归。

1 实现简单示例函数
在该部分练习中,将通过代码实现返回一个5*5的对角矩阵。输出与如下相同：

1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
1
2
3
4
5

1.1 提交解决方案
在以下代码框中进行如上的实现，完成部分练习后，得到如上的相同结果即为通过。

import numpy as np
A = np.eye(5)
print(A)

import numpy as np
A = np.eye(5)
print(A)


1
2
3
4
5
6
7
8

2 单变量线性回归
在该部分练习中，将实现单变量线性回归并用来预测餐车的利润。

假设你是一家餐厅的领导，正在考虑在不同的城市开设新的分店。该连锁店已经在不同的城市有了餐车，并且你能够获得每个城市的人口和利润数据。

现在需要使用这些数据来帮助你选择下一个被扩展的城市。

文件ex1data1.txt包含线性回归问题的数据集。第一列数据对应城市人口，第二列数据对应那座城市的餐车的利润。利润为负时表示亏损。

2.1 绘制数据
在开始进入练习之前，对数据进行可视化通常很有用。对于该数据集，可以使用散点图进行可视化，因为它只有两个属性（人口、利润）。

引入所需要的库文件
 

import numpy as np
import pandas as pd
imp