Блог

Я пытаюсь обучить модель, используя линейную регрессию и градиентный спуск, чтобы предсказать цены на жилье на основе площади в квадратных футах, но idk ошибается, прогнозируемый hx (гипотеза) больше значений. не закодировал для предсказания, так как я получаю ошибку. помоги мне выбраться. тай

 import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

db = pd.read_csv("train.csv")
x = np.array(db.iloc[:40,5])
y = np.array(db.iloc[:40,11])
m = len(x)
t0=0
t1=1
alpha = 0.001
for i in range(m):
    hx = t0   t1*x
    dt0 = (-2/m)*sum((hx - y))
    dt1 = (-2/m)*sum(x*(hx - y))
    t0 = t0 - dt0*alpha
    t1 = t1 - dt1*alpha
print(t0,t1)
plt.scatter(x,y)
plt.plot(x,hx)
 

также набор данных,

x = [1300.236407 , 1275. , 933.1597222, 929.9211427, 999.009247 , 1250. , 1495.053957 , 1181.012946 , 1040. , 879.1208791, 1350.308642 , 1333.010179 , 927.1779023, 1122.171946 , 649.9837504, 1394.117647 , 1800.08471 , 2124.896706 , 1100. , 2178.649237 , 881.1435285, 944.8818898, 1310.147689 , 630.00063 , 1219.80971 , 780.141844 , 1600. , 1180.412371 , 1000. , 1000. , 1400.107701 , 943.1266076, 1150.146382 , 864.0674394, 857.7861968, 1174.210077 , 1020.087884 , 1650.165017 , 1000. , 1300.052002 ]

y = [ 55. , 51. , 43. , 62.5, 60.5, 42. , 66.5, 52. , 41.6, 36. , 35. , 110. , 48. , 62. , 20. , 71.1, 85. , 180. , 22. , 120. , 45. , 42. , 55. , 300. , 50. , 27.5, 46. , 22.9, 39. , 12.5, 52. , 33. , 55. , 82. , 240. , 55. , 65. , 65. , 35. , 75. ]

Интересно, зачем вам для этого в первую очередь нужен градиентный спуск и зачем вам нужно писать алгоритм для этого с нуля, помимо образовательных целей. Я бы рекомендовал использовать для этого установленные пакеты, такие как Sklearn или Statsmodels.

В противном случае линейной регрессии может быть решена непосредственно, как этот, или, если вы хотите использовать логистические (опять же своего рода линейной регрессии) выше пакетов позволяют выбрать то, что решатель в использовании (я не уверен, что градиентный спуск является одним из них, так как есть более управляемой способы решения задач линейного что).

Удачи!