Question

我编写了一个线性回归代码，如下所示：文件data.csv有两列：X和Y

这是我的代码。

# Remove trailing slash(es)
RewriteRule (.*)/$ /$1 [R=301,L]

1000次迭代后的最终输出：

迭代：1000成本：56.014846105 theta：[[1.1395461] [ 1.45709467]

这里，我假设y = 1.139 + 1.457X

同一数据集上的下一个代码：

import numpy as np

def gradientDescent(x, y, theta, alpha, m, numIterations):
    xTrans = x.T
    for i in range(numIterations):
        print 'Iteration : ',i+1 
        hypo = np.dot(x, theta)
        cost = np.sum((hypo-y)**2) / (2*m)
        print 'Cost : ', cost
        gradient = np.dot(xTrans, (hypo-y)) / m
        theta = theta - alpha * gradient
        print 'theta : ', theta
    return theta

data = np.loadtxt('/Users/Nikesh/Downloads/linear_regression_live-master/data.csv', delimiter=',')
x = data[:, 0:1]
y = data[:, 1:2]
a = np.ones((100,1))
x = np.append(a, x, axis=1)
m, n = np.shape(x) 
numIterations= 1000
alpha = 0.0005
theta = np.ones(n)
theta = theta[:, np.newaxis]
theta = gradientDescent(x, y, theta, alpha, m, numIterations)

输出是：

系数：[[1.32243102]]拦截：[7.99102099] 回归线：[7.99102099] + [[1.32243102]] X

我在网上找到的最后一个。在同一数据集上，应用线性回归（Gradient Descent Alg） A different answer(take a look at this image)

有人可以在我出错的地方帮助我吗？

以下是数据集的链接： https://github.com/llSourcell/linear_regression_live/blob/master/data.csv

应用线性回归的同一数据集的不同答案！为什么？

0 个答案: