1 实验目的
实现线性回归,预测该城市人口对应的利润。
2 数据集描述
现有一个数据集命名为ex1data1.txt,里面包含两个属性,即城市人口和利润。
3 使用工具
Pycharm python3
4 实验步骤
- 导入数据,并给每列数据命名一个名称Population,Profit
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据并查看
path="ex1data1.txt"
# 给每列数据命名一个名称Population,Profit
data=pd.read_csv(path,header=None,names=('Population','Profit'))
- 查看数据的前五行,和数据描述:
print(data.head())
print(data.describe())
输出结果图:

- 将所有数据用散点图表示:
# 可视化数据
data.plot(kind='scatter',x='Population',y='Profit',figsize=(8,5))
plt.show()
输出结果

这篇博客通过实验详细介绍了如何使用Python进行单变量线性回归,目标是预测城市人口对应的企业利润。数据集ex1data1.txt包含城市人口和利润两个属性。实验过程包括数据导入、可视化、梯度下降法实现线性回归,以及代价函数的最小化。通过绘制图像和分析代价变化,展示了模型随着迭代次数增加而逐渐收敛的过程。
最低0.47元/天 解锁文章
576





