本项目利用 Julia v1.0 对波士顿房价数据集进行机器学习回归分析。代码及结果已于 2018 年 12 月 12 日经领域专家审核确认。

Julia 1.0 于 2018 年 8 月发布，恰逢我开始学习机器学习。David Barber 博士对 Julia 的未来充满信心，这促使我选择 Julia 进行监督学习研究。有趣的是，我的朋友们选择了 Python、MATLAB 和 R。然而，根据我的经验，Julia 在速度和效率方面表现出色，而且使用体验非常愉快。

示例概述

以下示例可在 .jl 文件中找到，文件名以数字开头：

  1. 基础函数线性回归:
  2. 多项式基函数与简单数据集（4 个数据点）
  3. 多项式基函数与复杂数据集（正弦函数+高斯噪声）-- 过拟合演示
  4. 正弦基函数与简单数据集 -- 过拟合演示
  5. 不同属性数量的线性回归:
  6. 无属性线性回归（计算期望值）

注意： 示例文件名以示例编号开头。例如，“示例 1”对应的文件名以“1”开头。