转至：云不知深处的博客： https://blog.csdn.net/pakko/article/details/37527799

总结了，下面我们以的二手房数据来实践线性回归。

数据及代码连接，工具使用。

1，数据获取

从网站爬到数据，并整理成我们需要的。爬取方式不便多讲，本人是用的jsoup。

2，数据过滤

爬到数据后，过滤了房间面积小于30平米，大于150平米的数据，总价格大于800w的也过滤了。（这些数据太小或者太大）

3，一元线性回归

x表示房子面积，y表示房价，使用正规方程组的方法计算。

拿到代码后执行one即可。

执行结果如下：

 

4，多元线性回归

 

x表示房子面积、房间数、楼层，y表示房价，使用正规方程组的方法计算。

 

拿到代码后执行multi即可。

执行结果如下：

 

 

% Load the data from our text file

data = load('house.txt');

% Define x and y

x = data(:,1:3);

y = data(:,4);

% Create a function to plot the data

function plotData(x,y)

plot(x,y,'rx','MarkerSize',8); % Plot the data

end

% Plot the data

plotData(x,y);

xlabel('Square Feet'); % Set the x-axis label

ylabel('Price'); % Set the y-axis label

fprintf('Program paused. Press enter to continue.\n');

pause;

% Count how many data points we have

m = length(x);

% Add a column of all ones (intercept term) to x

X = [ones(m, 1) x];

% Calculate theta

theta = (pinv(X'*X))*X'*y

% Plot the fitted equation we got from the regression

hold on; % this keeps our previous plot of the training data visible

plot(X(:,2), X*theta, '-')

legend('Training data', 'Linear regression')

hold off % Don't put any more plots on this figure

price = [1, 80, 2, 0.5] * theta;

fprintf(['Predicted price of a 80 sq-ft, 2 rooms, middle floor' ...

'(using normal equations):\n %f\n'], price);