Linear Regression 线性回归 matlab实现

最新推荐文章于 2026-05-21 07:31:57 发布

原创

最新推荐文章于 2026-05-21 07:31:57 发布 · 5.2k 阅读

收录于

当前文章被以下社区和专栏收录：

该博客介绍了如何在MATLAB中实现线性回归，包括数据加载、特征正规化、梯度下降法和正规方程的详细步骤。特征正规化通过添加一列全为1的向量进行，梯度下降法用于优化模型参数，而正常方程提供了一个直接的矩阵求解方式。

Load Data

数据形式：每行一个样例，最后一列是标签。
m个样例，n个特征。

fileName = 'xxx.txt';
data = load(fileName);

m = size(data, 1);
n = size(data, 2);
X = data(:, 1 : n - 1);
y = data(:, n);

Feature Normalization

正规化X，并加入1列的1。

[X mu sigma] = featureNormalize(X);
% 加入x0
X = [ones(m, 1) X];

函数：

function [X_norm, mu, sigma] = featureNormalize(X)
    n = size(X, 2);
    X_norm = X;
    mu = zeros(1, n);
    sigma = zeros(1, n);

    % 对每个feature进行正规化
    for i = 1 : n
        mu(1, i) = mean(X(:, i));
        sigma(1, i) = std(X(:, i));
        X_norm(:, i) = (X(:, i) - mu(1, i)) ./ sigma(1, i);
    end

end