文章目录第3章：多变量线性回归3.1 多功能 Multiple features3.2 多元梯度下降法 Gradient descent for multiple variables3.3 多元梯度下降法演练I-特征缩放 Gradient descent in practice I:Feature Scaling3.4 多元梯度下降法演练II-学习率 Gradient descent in practice II:Learning rate3.5 特征和多项式回归 Features and po
＃我的第一个模式，我从网站上以CSV格式获取INRvsUSD值＃清理数据并针对响应变量测试了预测变量值＃使用以下技术测试了该模式＃模型的R2（平方）＃烹饪了模型的距离＃使用Confint的信心#AVPlots＃调整后的R2值#AIC值-赤木信息准则＃逐步分析＃空假设检验方法= Chi＃最后选择最佳拟合模型为价格（响应）vs（最高与开放）（预测）
#Set up WOrking Directory
setwd（“ C：/ Users / asket / Documents /探索性数据分析/ D
