房价预测包括以下几个部分：导入数据、数据的预处理、求梯度

题目要求：

1.影响房价的因素：面积、房间数

2.利用梯度下降法，求出预测函数t=x1*w1+x2*w2+b

这个是我写的代码，我对于这个题的理解不是很深，代码存在错误，希望各位大神们可以帮我指出我的问题

import numpy as np
import numpy as ns#每组五个数据
x1=np.array([90,100,110,120,130]);#面积
x2=np.array([2,3,2,3,4]);#房间数
y=np.array([100,110,100,120,130]);#房价#这里我们取平均值
x1=(x1[1]+x1[2]+x1[3]+x1[0]+x1[4])/5
x2=(x2[1]+x2[2]+x2[3]+x2[0]+x2[4])/5
y=(y[1]+y[2]+y[3]+y[4]+y[0])/5
# print(x1,x2,y)#求梯度def gradient_update(b, w1,w2, x1, x2):lr=0.01b_gradient = 0w1_gradient = 0w2_gradient=0for i in range(0, 500):# 计算梯度b_gradient += ((w1 * x1 + w2*x2+b) - y)w1_gradient += x1 * ((w1 * x1 +w2*x2+ b) - y)w2_gradient +=   x2 * ((w1 * x1+w2*x2+ b) - y)# 根据梯度更新权重和偏置b -= lr * b_gradientw1 -= lr * w1_gradientw2 -= lr * w2_gradientt=b+x1*w1+w2*x2if((t-y)*(t-y)/5<lr):print(b,w1,w2)return(b,w1,w2)

代码运行无结果

原题目为波士顿房价-线性回归

(22条消息) 线性回归 波士顿房价预测_bit_100的博客-CSDN博客_波士顿房价预测线性回归