摘要：预测波士顿的房价，上次已经通过房间数目预测了房价，这次用多元线性回归预测。 根据之前推导的多元线性回归的参数 接下来是多元线性回归的代码实现 上次大致了解了得个feature的name。下面是‘ZN’和‘RM’的散点图(由于我比较懒所以只实现这两个) 我们可以看出每个特征的数据范围相差较大，为了加快 阅读全文

摘要：这次我们会用线性回归来预测波士顿的房价 首先是导入波士顿房价的数据，这是sklearn中的datasets自带的 先用key方法查看数据集 得到结果 这里的data有13个维度，target就是我们要预测的房价，接下来再查看feature_names 其中'RM'列就是我们需要的房间数，接下为了方便 阅读全文

摘要：之前推导了一元线性回归和多元线性回归，今天就用python来实现一下一元线性回归 先看下之前推导的结果 ， 第一种是用循环迭代的计算方法。这里的x，y是numpy中的array类型 为了比较二者的性能，这里我们随机生成10000条数据，分别统计两种方法运行的时间 得到二者的结果 上面的是循环计算所需 阅读全文

摘要：1.机器学习的一些概念 有监督学习(supervised learning)：使用预定义的“训练示例”集合，训练系统， 无监督学习(unsupervised learning)：无监督学习适用于具有数据集但无标签的情况，比如你是一个T恤制造商，拥有一堆人的身体测量值。需要确定决定你生产的XS，S，M 阅读全文