python已知人口，平均收入，盈利情况，使用梯度下降法预测人口为320万、人均收入为25万元是否盈利代码

以下是一个简单的 Python 代码示例，使用梯度下降法预测人口为320万、人均收入为25万元是否盈利：

import numpy as np

# 定义代价函数
def costFunction(X, y, theta):
    m = len(y)
    J = np.sum((X.dot(theta) - y) ** 2) / (2 * m)
    return J

# 定义梯度下降函数
def gradientDescent(X, y, theta, alpha, num_iters):
    m = len(y)
    J_history = np.zeros((num_iters, 1))
    for iter in range(num_iters):
        h = X.dot(theta)
        theta = theta - alpha * (1 / m) * (X.T.dot(h - y))
        J_history[iter] = costFunction(X, y, theta)
    return theta, J_history

# 输入训练集数据
data = np.loadtxt('data.txt', delimiter=',')
X = data[:, :-1]
y = data[:, -1]
m = len(y)

# 特征归一化
X = (X - np.mean(X, axis=0)) / np.std(X, axis=0)

# 添加一列偏置项
X = np.hstack((np.ones((m, 1)), X))

# 初始化模型参数
theta = np.zeros((3, 1))

# 设置学习率和迭代次数
alpha = 0.01
num_iters = 1000

# 运行梯度下降算法
theta, J_history = gradientDescent(X, y, theta, alpha, num_iters)

# 预测人口为320万、人均收入为25万元的情况是否盈利
x_pred = np.array([1, 320, 25])
x_pred = (x_pred - np.mean(X[:, 1:], axis=0)) / np.std(X[:, 1:], axis=0)
y_pred = x_pred.dot(theta)
if y_pred > 0:
    print('盈利')
else:
    print('亏损')

其中，`data.txt` 是包含训练集数据的文件，每一行包含人口、人均收入和是否盈利三个数据，用逗号分隔。`costFunction` 函数计算代价函数，`gradientDescent` 函数运行梯度下降算法，最后利用训练好的模型参数预测人口为320万、人均收入为25万元的情况是否盈利。