/*
*@AUTHOR:?Foolment
*@DATE:?2013-3-25
*@DESCRIBE:?Implement?the?algorithm?of?gradient?descent.
*/

#include?
#include?
#include?
#include?
#include?
#include?
using?namespace?std;

#define?_TRAIN_FILE_NAME?“train.csv“		//訓練集文件名
#define?_TEST_FILE_NAME?“test.csv“			//測試集文件名
#define?_OUTPUT_FILE_NAME?“output.csv“		//輸出文件名
#define?_CUT_OFF_CHAR?‘‘					//讀入文件分隔符

const?double?__ALPHA?=?0.001;				//步長
const?int?_DIMENSION?=?47;					//向量維度，第一維為1
const?int?_TRAIN_FILE_ROW?=?9127;			//訓練集數據行數，包括第一行
const?int?_TEST_FILE_ROW?=?6085;			//測試集數據行數，包括第一行
const?int?_ITERATIONS?=?10000;				//迭代次數

const?int?_TRAIN_ROW?=?_TRAIN_FILE_ROW?-?1;	//實際訓練集數據行數，去掉第一行
const?int?_TEST_ROW?=?_TEST_FILE_ROW?-?1;	//實際測試集數據行數，去掉第一行

double?TrainData[_TRAIN_ROW][_DIMENSION];	//存儲訓練集二維數組
double?Y[_TRAIN_ROW];						//存儲訓練集label向量，訓練集的結果
double?Theta[_DIMENSION];					//預測函數的系數theta，梯度下降要求的向量
double?ThetaTemp[_DIMENSION];				//臨時theta，保護每一次迭代時所有theta是同時更新
double?Derivative[_DIMENSION];				//偏導數（這里用數組的原因是為了以后的優化）
double?TestData[_TEST_ROW][_DIMENSION];		//測試集數據
double?Result[_TEST_ROW];					//存儲預測結果


void?readTrainData（）;						//讀入訓練集數據
void?readTestData（）;						//讀入測試集數據
void?gradientDescent（）;						//梯度下降算法
double?getPartialDerivative（int）;			//計算偏導數的值
double?H（int?double[][_DIMENSION]）;		//求函數值
void?predict（）;								//預測測試集
void?outputResult（）;						//輸出結果

int?main（）
{

	memset（Theta?0?sizeof（Theta））;
	readTrainData（）;
	readTestData（）;
	gradientDescent（）;
	predict（）;
	outputResult（）;
	system（“pause“）;
	return?0;
}

void?readTrainData（）
{
	ifstream?fin;
	fin.open（_TRAIN_FILE_NAME）;

	string?str;
	const?char*?cstr;
	double?n;

	//跳過第一行
	getline（fin?str）;

	for?（int?i?=?0;?i?	{
		TrainData[i][0]?=?1;
		for?（int?j?=?0;?j?		{
			if?（j?==?_DIMENSION?-?1）
				getline（fin?str）;
			else
				getline（fin?str?_CUT_OFF_CHAR）;
			cstr?=?str.c_str（）;
			n?=?atof（cstr）;
			if?（j?==?0）
			{
				Y[i]?=?n;
			}
			else
			{
				TrainData[i][j]?=?n;
			}
		}
	}

	fin.close（）;
}

void?readTestData（）
{
	ifstream?fin;
	fin.open（_TEST_FILE_NAME）;

	string?str;
	const?char*?cstr;
	double?n;

	//跳過第一行
	getline（fin?str）;

	for?（int?i?=?0;?i?	{
		TestData[i][0]?=?1;
		for?（int?j?=?1;?j?		{
			if?（j?==?_DIMENSION?-?1）
				getline（fin?str）;
			else
				getline（fin?str?_CUT_OFF_CHAR）;
			cstr?=?str.c_str（）;
			n?=?atof（cstr）;
			TestData[i][j]?=?n;
		}
	}
	fin.close（）;
}

void?gradientDescent（）
{
	for?（int?i?=?0;?i?	{
		for?（int?j?=?0;?j?		{
			Derivative[j]?=?getPartialDerivative（j）;
			ThetaTemp[j]?=?Theta[j]?-?__ALPHA?*?Derivative[j];
		}
		for?（int?j?=?0;?j?		{
			Theta[j]?=?ThetaTemp[j];
		}
	}
}

double?getPartialDerivative（int?index）
{
	double?sum?=?0;
	for?（int

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????62209??2013-03-27?12:08??output.csv

?????文件????1448365??2013-03-23?14:53??test.csv

?????文件????2186370??2013-03-23?14:53??train.csv

?????文件???????4031??2013-03-27?12:44??main.cpp

?????文件??????58870??2013-03-27?11:46??main.exe

-----------?---------??----------?-----??----

??????????????3759845????????????????????5