總結了線性回歸的理論部分，下面我們以浦東塘橋的二手房資料來實踐線性回歸。
1，資料獲取
2，資料過濾
爬到資料後，過濾了房間面積小於30平公尺，大於150平公尺的資料，總**大於800w的也過濾了。（這些資料太小或者太大）
3，一元線性回歸
x表示房子面積，y表示房價，使用正規方程組的方法計算。
拿到**後執行one即可。
執行結果如下：
4，多元線性回歸
x表示房子面積、房間數、樓層，y表示房價，使用正規方程組的方法計算。
拿到**後執行multi即可。
執行結果如下：
% 載入資料
data = load('house.txt');
% 定義 x 和 y
x = data(:,1);
y = data(:,4);
% 繪製資料函式
function plotdata(x,y)
plot(x,y,'rx','markersize',8); % plot the data
end% 繪製資料
plotdata(x,y);
xlabel('square feet'); % 設定x軸標籤
ylabel('price'); % 設定y軸標籤
% 資料大小
m = length(x);
% 加一列到x向量
x = [ones(m, 1) x];
% 計算theta
theta = (pinv(x'*x))*x'*y
% 繪製擬合的直線
hold on; % 使之前資料可見
plot(x(:,2), x*theta, '-')
legend('training data', 'linear regression')
hold off % 結束繪製
price = [1, 80] * theta;
fprintf(['predicted price of a 80 sq-ft(using normal equations):\n %f\n'], price);
TensorFlow實踐 線性回歸
通過生 工資料集合，基於tensorflow實現線性回歸 利用隨機數在直線y 2.321 x 1.564的基礎上，加上一定的噪音，產生在 1,1 範圍的資料。x,y是兩個佔位符，用於儲存訓練過程中的資料，w,b是兩個變數，訓練就是不斷地改變這兩個值，以使模型達到最好。train epochs和lea...
線性回歸 理論篇
回歸 的由來 francisgalton，英國生物學家，他研究了父母身高與子女身高之間關係後得出，若父母身高高於平均大眾身高，則其子女身高傾向於倒退生長，即會比其父母身高矮一些而更接近於大眾平均身高。若父母身高小於平均身高，則其子女身高傾向於向上生長，以更接近於大眾平均身高。此現象，被galton稱...
tensorflow實踐 02 線性回歸
為了進一步熟悉tensorflow的基本操作，下面通過乙個線性回歸的小例子簡單展示一下tensorflow的基本使用流程。由於是簡單的線性回歸，我們自己生成乙份隨即資料作為演示就可以了。def createdata w,b x np.linspace 1,1,100 y w x b np.rando...