【人工智能】线性回归

标签：读取 函数 人工智能 回归 样本 归一化 线性 txt 预测

目录

一、使用正规化方法计算下列样本的预测函数

1. 没有归一化之前

2. 归一化之后

二、读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数

1. 读取数据，建立样本集

2. 设置X、y

3. 计算theta

三、读取ex1data1.txt中的数据，建立样本集，使用梯度下降法获取公司人数与利润关系的预测函数。并在坐标图中显示预测函数和样本点

1. 导入数据并产生训练集

2. 分为x、y

3. 开始计算

4. 显示预测函数

5. 运行结果

四、读取ex1data2.txt中的数据，建立样本集，使用梯度下降法获取（房屋面积，房间数量）与房屋价格间的预测函数。并在三维坐标图中显示预测函数和样本点

1. 读入数据

2. 归一化

4. 计算theta

5. 显示

6. 运行结果

---

一、使用正规化方法计算下列样本的预测函数

1. 没有归一化之前

预测函数为：h(x) = 188.40031946 + 0.3866255 * X1 - 56.13824954 * X3 -92.9672536 * X4 - 3.73781915 * X5

2. 归一化之后

参数基本上各指标处于同一数量级

将归一化之后的结果代入数值，发现不符合。

二、读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数

1. 读取数据，建立样本集

2. 设置X、y

3. 计算theta

故预测函数为：

 h（x）=89597.90954361 + 139.21067402 * X1 - 8738.01911255* X2

三、读取ex1data1.txt中的数据，建立样本集，使用梯度下降法获取公司人数与利润关系的预测函数。并在坐标图中显示预测函数和样本点

1. 导入数据并产生训练集

2. 分为x、y

3. 开始计算

4. 显示预测函数

5. 运行结果

四、读取ex1data2.txt中的数据，建立样本集，使用梯度下降法获取（房屋面积，房间数量）与房屋价格间的预测函数。并在三维坐标图中显示预测函数和样本点

1. 读入数据

2. 归一化

3. 分开x、y

4. 计算theta

5. 显示

6. 运行结果

标签：读取,函数,人工智能,回归,样本,归一化,线性,txt,预测
From： https://blog.csdn.net/m0_67830223/article/details/140387825