人工智能之基于多变量线性回归的房屋销售价格预测详细解决方案
一、目的
学习多变量线性回归模型与梯度下降算法设计机器学习程序，理解并掌握特征归一化，多变量的梯度下降以及正规方程方法，对房屋销售价格进行预测等。
二、背景知识
假设您正在出售房屋，而您想知道什么是好的市场价格。一种方法是首先收集有关最近出售房屋的信息，并建立房屋模型价格，通过房屋大小和卧室数量预测房屋售价。
文件ex1data2.txt是俄勒冈州波特兰市的房屋价格训练数据集。文件中的第一列是房屋的大小（以平方英尺为单位），第二列是卧室数，第三列是这所房子的价格。
三、基本原理算法
基本算法解释：点击打开观看吴恩达机器学习系列课程2-1到4-8
四、设计流程图
五、实验结果与分析
上述图片为测试数据结果显示，通过特征归一化，多变量的梯度下降以及正规方程算法的方程式计算，设置不同学习效率和迭代次数，计算出代价值与迭代次数的关系图，从结果不难看出由于只对预测价格X做标准化，而没对预测价格Y做标准化，所以适当学习率下梯度下降收敛过程就能看出来数据的误差还是有点大，同时也注意到收敛曲线随着学习率的变化而变化，如果采用一个很小的学习率可以发现梯度下降法将花费大量时间去收敛到最优值，反之如果选择大的学习率可能会不收敛甚至发散。
六、以上只是人工智能之基于多变量线性回归的房屋销售价格预测详细解决方案部分设计内容资源，如果想要简人工智能之基于多变量线性回归的房屋销售价格预测详细解决方案全部资源请点击下面资源链接进行下载，希望能帮助到你！
独家资源：点击链接找到基于多变量线性回归的房屋销售价格预测资源下载
