##多元線性回歸預(yù)測(cè)房子的價(jià)格，構(gòu)建一個(gè)房子價(jià)格的模型。
##ex1data2.txt中包含了房子價(jià)格的訓(xùn)練組。第一列是房子的尺寸（平方英尺），第二列是臥室的數(shù)量，第三列是房子的價(jià)格。
#-*-?coding:?UTF-8?-*-

import?random
import?numpy?as?np
import?matplotlib.pyplot?as?plt

#加載數(shù)據(jù)
def?load_exdata（filename）:
????data?=?[]
????with?open（filename?‘r‘）?as?f:
????????for?line?in?f.readlines（）:
????????????line?=?line.split（‘‘）
????????????current?=?[int（item）?for?item?in?line]?#根據(jù)數(shù)據(jù)輸入的不同確定是int?還是其他類型
????????????#5.52779.1302
????????????data.append（current）
????return?data

data?=?load_exdata（‘ex1data2.txt‘）;
data?=?np.array（datanp.int64）??????#根據(jù)數(shù)據(jù)輸入的不同確定是int?還是其他類型


#特征縮放
def?featureNormalize（X）:
????X_norm?=?X;
????mu?=?np.zeros（（1X.shape[1]））
????sigma?=?np.zeros（（1X.shape[1]））
????for?i?in?range（X.shape[1]）:
????????mu[0i]?=?np.mean（X[:i]）?#?均值
????????sigma[0i]?=?np.std（X[:i]）?????#?標(biāo)準(zhǔn)差
#?????print（mu）
#?????print（sigma）
????X_norm??=?（X?-?mu）?/?sigma
????return?X_normmusigma
?
#計(jì)算損失
def?computeCost（X?y?theta）:
????m?=?y.shape[0]
#?????J?=?（np.sum（（X.dot（theta）?-?y）**2））?/?（2*m）
????C?=?X.dot（theta）?-?y
????J2?=?（C.T.dot（C））/?（2*m）
????return?J2
?
#梯度下降
def?gradientDescent（X?y?theta?alpha?num_iters）:
????m?=?y.shape[0]
????#print（m）
????#?存儲(chǔ)歷史誤差
????J_history?=?np.zeros（（num_iters?1））
????for?iter?in?range（num_iters）:
????????#?對(duì)J求導(dǎo)，得到?alpha/m?*?（WX?-?Y）*x（i），?（3m）*（m1）??X?（m3）*（31）?=?（m1）
????????theta?=?theta?-?（alpha/m）?*?（X.T.dot（X.dot（theta）?-?y））
????????J_history[iter]?=?computeCost（X?y?theta）
????return?J_historytheta
?????
?
iterations?=?10000??#迭代次數(shù)
alpha?=?0.01????#學(xué)習(xí)率
x?=?data[:（01）].reshape（（-12））
y?=?data[:2].reshape（（-11））
m?=?y.shape[0]
xmusigma?=?featureNormalize（x）
X?=?np.hstack（[xnp.ones（（x.shape[0]?1））]）
#?X?=?X[range（2）:]
#?y?=?y[range（2）:]
?
theta?=?np.zeros（（3?1））
?
j?=?computeCost（Xytheta）
J_historytheta?=?gradientDescent（X?y?theta?alpha?iterations）
?
?
print（‘Theta?found?by?gradient?descent‘theta）

def?predict（data）:
????testx?=?np.array（data）
????testx?=?（（testx?-?mu）?/?sigma）
????testx?=?np.hstack（[testxnp.ones（（testx.shape[0]?1））]）
????price?=?testx.dot（theta）
????print（‘price?is?%d?‘?%?（price））
?
predict（[16503]）

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????文件????????2527??2018-09-26?10:01??多元線性回歸預(yù)測(cè)房?jī)r(jià)算法實(shí)現(xiàn).py
?????文件?????????657??2017-03-14?09:40??ex1data2.txt