Tag Archives: Linear Regression

基于线性回归的房价预测Matlab版

具体说来,这个问题是来自UFLDL中的线性回归的作业,这一节的作业比较简单,只需要实现线性回归中计算目标函数$J(\theta)$的值和目标函数$J(\theta)$的梯度值(即$J(\theta)$的偏导数的部分)就可以了。

figure1

# 1.问题描述

506条房屋数据。其中,每条数据有13个特征,及1个标签值(即真实房价)。我们的任务是根据这506条数据,做出房价预测的线性模型。 Continue reading

【UFLDL】Supervised Learning and Optimization——Vectorization

监督学习与优化(Supervised Learning and Optimization)——向量化(Vectorization)

对于类似房价数据这样的小任务数据量,我们通常使用线性回归,代码并不需要执行地非常快。然而,如果您在练习 1A 或1B里是建议使用 for 循环的,但对于较大规模的问题其执行效率就比较低了。这是因为在 MATLAB 里,循环按顺序执行整个样本是缓慢的。为了避免(使用) for 循环,我们想要重写(这部分)代码,使其能够尽可能使用在 MATLAB 里执行高效的向量或矩阵操作。(这点同样适用于其他语言,包括 Python,C/C++ —— 我们要尽可能地重用已经优化过的操作。)

下面是一些在 MATLAB 里各种向量化的操作方法。 Continue reading

【UFLDL】Supervised Learning and Optimization——Linear Regression

监督学习与优化(Supervised Learning and Optimization)——线性回归(Linear Regression)

问题描述(Problem Formulation)

我们(不妨)回顾一下(这些知识点),我们将从如何实现线性回归(Linear Regression)开始。这一节的主要思想是知道什么是目标函数(Objective Functions),计算其梯度(Gradients)以及通过一组参数来优化目标(函数)。这些基本的工具将会构建(在稍后教程中我们要讲到的)复杂的算法。想要更多学习资料的读者可以在参考监督学习讲座笔记Continue reading