吴恩达机器学习课程-作业1-线性回归（python实现）

Machine Learning(Andrew) ex1-Linear Regression

椰汁学习笔记

最近刚学习完吴恩达机器学习的课程，现在开始复习和整理一下课程笔记和作业，我将陆续更新。

Linear regression with one variable

• 2.1 Plotting the Data

首先我们读入数据，先观察数据的内容

数据是一个txt文件，每一行存储一组数据，第一列数据为城市的人口，第二列数据城市饭店的利润。
读入数据时按行读入，每行通过分解，获得两个数据。数据的存储使用列表。初次接触没有使用一些第三方库pandas、numpy，后续会逐渐用到。

    # Part1：从txt文件中读取数据，绘制成散点图
    f = open("ex1data1.txt", 'r')
    population = []
    profit = []
    for line in f.readlines():
        col1 = line.split(',')[0]
        col2 = line.split(',')[1].split('\n')[0]
        population.append(float(col1))
        profit.append(float(col2))

接下来将数据可视化，需要用到matplotlib这个画图库，这个教程还可以

	import matplotlib.pyplot as plt
	#上面这样引入
    plt.title("Scatter plot of training data")
    plt.xlabel("population of city")
    plt.ylabel("profit")
    plt.scatter(population, profit, marker='x')
    plt.show()

xlabel和ylabel设置当前图片的x，y轴的标签；scatter绘制散点图，前两个参数为两个坐标轴的对应数值列表（元组等），marker指定绘制点的图形；show函数显示。

• 2.2 Gradient Descent

$$J(\theta )=\frac{1}{2m}\sum _{i=1}^m{h}_{\theta }(x^{(i)}-y^{(i)}{)}^2$$
h θ ( x ) = θ T x = θ 0 + θ 1 x 1 h_{\theta}(x)=\theta^{T}x=\theta_{0}+\theta_{1}x_{1} hθ​(x)=θ