房价预测包括以下几个部分:导入数据、数据的预处理、求梯度
题目要求:
1.影响房价的因素:面积、房间数
2.利用梯度下降法,求出预测函数t=x1*w1+x2*w2+b
这个是我写的代码,我对于这个题的理解不是很深,代码存在错误,希望各位大神们可以帮我指出我的问题
import numpy as np
import numpy as ns
#每组五个数据
x1=np.array([90,100,110,120,130]);#面积
x2=np.array([2,3,2,3,4]);#房间数
y=np.array([100,110,100,120,130]);#房价
#这里我们取平均值
x1=(x1[1]+x1[2]+x1[3]+x1[0]+x1[4])/5
x2=(x2[1]+x2[2]+x2[3]+x2[0]+x2[4])/5
y=(y[1]+y[2]+y[3]+y[4]+y[0])/5
# print(x1,x2,y)
#求梯度
def gradient_update(b, w1,w2, x1, x2):
lr=0.01
b_gradient = 0
w1_gradient = 0
w2_gradient=0
for i in range(0, 500):
# 计算梯度
b_gradient += ((w1 * x1 + w2*x2+b) - y)
w1_gradient += x1 * ((w1 * x1 +w2*x2+ b) - y)
w2_gradient += x2 * ((w1 * x1+w2*x2+ b) - y)
# 根据梯度更新权重和偏置
b -= lr * b_gradient
w1 -= lr * w1_gradient
w2 -= lr * w2_gradient
t=b+x1*w1+w2*x2
if((t-y)*(t-y)/5<lr):
print(b,w1,w2)
return(b,w1,w2)
代码运行无结果
原题目为波士顿房价-线性回归
(22条消息) 线性回归 波士顿房价预测_bit_100的博客-CSDN博客_波士顿房价预测线性回归