Python学习（机器学习_多变量线性回归）

最新推荐文章于 2024-10-06 21:54:11 发布

weixin_36926937

最新推荐文章于 2024-10-06 21:54:11 发布

阅读量1.7k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： python学习文章标签： python 机器学习

本文链接：https://blog.youkuaiyun.com/weixin_36926937/article/details/54175617

这篇博客介绍了如何使用Python进行多变量线性回归，包括通过梯度下降法和正规方程两种方法求解参数。内容展示了加载数据、特征归一化以及计算得到的theta值，并对1650平方英尺、3个卧室的房子价格进行了预测，验证了两种方法的预测结果一致。

接着上一篇，习题1第二个练习（linear regression with mutiple variables），两个变量（房子面积和房间数量），以下代码通过两个方法

通过scale feature利用梯度下降法求theta
直接代入推导出来的theta公式
通过验算测试参数，可以得知两个方法预测结果相同

#Part1:Load Data
print "Loading data...\n"
f=open('C:\Python27\machinelearning\ex1data2.txt')
data=[]
for line in f:
    data.append(map(float,line.split(",")))
m=len(data)
import numpy as np
#将数据由列表形式转化为矩阵
data=np.asmatrix(data)
#提取每一行数据
X=data[:,0]
N=data[:,1]
y=data[:,2]
X=np.hstack((X,N))
#水平合并后X包含两个变量：房间面积和数量
print "First 10 examples from the dataset:\n"
print "X=\n",X[0:10]
print "y=\n",y[0:10]

#Part 2: Gradient Descent  
#将数据参数规则化
print "Normalizing Features...\n"

#定义变量参数规则化函数——参考（http://sobuhu.com/ml/2012/12/29/normalizatio