吴恩达机器学习（三）—— ex1：Linear Regression（MATLAB+Python）【图文】

吴恩达机器学习系列内容的学习目录 → \rightarrow →​ ​​吴恩达机器学习系列内容汇总​​。

• ​​一、单变量线性回归​​
• 1.1 绘制数据
• 1.2 梯度下降

• 1.2.1 更新公式
• 1.2.2 实现
• 1.2.3 计算代价 J ( θ ) J(θ) J(θ)
• 1.2.4 梯度下降

• 1.3 可视化 J ( θ ) J(θ) J(θ)
• 
  
• ​​二、多变量线性回归​​
• 2.1 特征归一化
• 2.2 梯度下降
• 2.3 正规方程
• 
  
• ​​三、MATLAB实现​​
• 3.1 ex1.m
• 3.2 ex1_multi.m
• 
  
• ​​四、Python实现​​
• 4.1 ex1.py
• 4.2 ex1_multi.py
• 
  

       本次练习对应的基础知识总结 → \rightarrow →​ ​​线性回归​​。

       本次练习对应的文档说明和提供的MATLAB代码 → \rightarrow → ​ ​提取码：wg3s​​ 。

  本次练习对应的完整代码实现(MATLAB + Python版本) → \rightarrow →​ ​Github链接​​。

       在本次练习的单变量线性回归这一部分中，我们将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐饮连锁店的首席执行官，并且正在考虑在不同的城市开设新的门店。该连锁店已经在各个城市开了新的分店，并且你有城市的利润和人口数据。你想使用此数据来帮助你选择要扩展到的下一个城市。

       文件ex1data1.txt包含我们线性回归问题的数据集。第一列是城市的人口，第二列是该城市的餐车的利润，利润的负值表示亏损。已经设置了ex1.m脚本来加载此数据。

1.1 绘制数据

       在开始任何任务之前，通过可视化了解数据通常很有用。对于题目中给的数据集，可以使用散点图来可视化数据，因为它只有两个属性可以绘制（利润和人口）。

       在ex1.m中，数据集从数据文件加载到变量X和y中：

data = load('ex1data1.txt'); % read comma separated data
X = data(:, 1); y = data(:, 2);
m = length(y); % number of training examples

更多文章请关注《万象专栏》