Machine Learning 房价预测实例

最新推荐文章于 2025-05-16 16:10:00 发布

USTC_YM

最新推荐文章于 2025-05-16 16:10:00 发布

阅读量952

点赞数

CC 4.0 BY-SA版权

分类专栏： Machine Learning 文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/ustc_ym/article/details/52174895

Machine Learning 专栏收录该内容

2 篇文章

订阅专栏

这篇博客是Stanford机器学习课程的学习笔记，探讨了 Least Mean Square 和 Batch Gradient Descent 方法在房价预测中的应用。作者通过代码展示了单特征及多特征（面积，房间数）的情况，并指出在多特征下几何表示的作用。文章强调了threshold和alpha参数的选择对模型拟合和收敛速度的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Stanford机器学习课程学习笔记1

(LMS（Least Mean Square），Batch Gradient Decent)
代码：

x = [2014, 1600, 2400, 1416, 3000, 3670, 4500]'; %feature1: area
Y = [400, 330, 369, 232, 540, 620, 800]'; %Outcome: price

error = Inf;
threshold = 4300;
alpha = 10^(-10);

theta = [0;0];

X = [zeros(size(x,1),1),x];
J = 1/2 * (X*theta - Y)' * (X*theta - Y);

%%learning algorithm
while error > threshold 
    %batch gradient descent:
    tmp = Y - X*theta;
    for j = 1:2
        theta(j,1) = theta(j,1) + alpha * (X(:,j)' * tmp);
    end
    error = 1/2 * (X*theta - Y)' * (X*theta - Y);
end

plot(x,Y,'*');
grid on;
xlabel('Area');
ylabel('Price(1000$)');

hold on;
h = X*theta;
plot(x,h,'r-');