Andrew ng 视频之后 Python 中的线性回归答案

【问题标题】：Linear Regression in Python following Andrew ng videoAndrew ng 视频之后 Python 中的线性回归
【发布时间】：2017-10-30 22:38:05
【问题描述】：

我在 youtube 上偶然发现了 andrew Ng 的课程并观看了以下video (2min03)

我尝试实现以下函数之后绘制它，让他在幻灯片中显示，但似乎我只得到一个斜率。此外，我试图将 theta0 和 theta1 与 JList 绘制为网格图，但我一直得到一个错误的图，欢迎任何关于如何获得与他的视频中相同的图的帮助

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from fractions import Fraction
from matplotlib import cm


theta0=[]
theta1=[]
JList=[]

csv=np.genfromtxt('ex1.data', delimiter=",")
x=csv[:,0]
y=csv[:,1]

for a in np.arange(-50,50,1):
     for b in np.arange(1,10,1):
          theta0.append(a)
          theta1.append(b)

          result=0
          for c in range(len(x)):
               sum=float(a+(b*x[c])-(y[c]))
               np.power(sum,2)          
               result+=float(sum)
          Jt=0
          Jt=Fraction(1,2*len(x))
          Jt=Jt*result
          JList.append(int(Jt))
 fig = plt.figure()
 ax = fig.gca(projection='3d')
 X, Y = np.meshgrid(theta1, theta0)
 surf = ax.plot_surface(X, Y, JList, cmap=cm.coolwarm,
                   linewidth=0, antialiased=False)
 plt.show()

这是 ex1.data 的示例

6.1101,17.592
5.5277,9.1302
8.5186,13.662
7.0032,11.854
5.8598,6.8233
8.3829,11.886
7.4764,4.3483
8.5781,12
6.4862,6.5987
5.0546,3.8166
5.7107,3.2522
14.164,15.505
5.734,3.1551
8.4084,7.2258
5.6407,0.71618
5.3794,3.5129
6.3654,5.3048
5.1301,0.56077
6.4296,3.6518
7.0708,5.3893
6.1891,3.1386
20.27,21.767
5.4901,4.263
6.3261,5.1875
5.5649,3.0825
18.945,22.638
12.828,13.501
10.957,7.0467
13.176,14.692
22.203,24.147
5.2524,-1.22
6.5894,5.9966
9.2482,12.134
5.8918,1.8495
8.2111,6.5426
7.9334,4.5623
8.0959,4.1164
5.6063,3.3928
12.836,10.117
6.3534,5.4974
5.4069,0.55657

我认为计算的 python 代码中有错误，并且没有错误，这就是它绘制的，我怀疑它是要显示的。

【问题讨论】：

你能提供ex1.data吗？你遇到了什么错误？
@RafaelBarros 我添加了 ex1.data 和我得到的图形示例。

标签： python machine-learning linear-regression

【解决方案1】：

它是线性的原因是由于我的错误np.power(sum,2) 应该在sum=np.power(sum,2) 中修改。

【讨论】：