Python实现梯度下降法的示例代码

08-08 204阅读 0评论

文章最后更新时间:2022年08月09日

1.首先读取数据集

并读取数据,数据自行任意准备,只要有两列,可以分为自变量x和因变量y即可即可。

import numpy as np import matplotlib.pyplot as plt  data = np.loadtxt("data.csv", delimiter=",")  x_data = data[:, 0] y_data = data[:, 1]

2.初始化相关参数

# 初始化 学习率 即每次梯度下降时的步长 这里设置为0.0001 learning_rate = 0.0001  # 初始化 截距b 与 斜率k b = 0 k = 0  # 初始化最大迭代的次数 以50次为例 n_iterables = 50

3.定义计算代价函数–>MSE

使用均方误差 MSE (Mean Square Error)来作为性能度量标准

假设共有m个样本数据,则均方误差:

Python实现梯度下降法的示例代码

第50次迭代:

Python实现梯度下降法的示例代码

执行过程的输出结果如下图所示:

Python实现梯度下降法的示例代码

可以看到,随着偏导数越来越小,斜率与截距的变化也越来越细微。

到此这篇关于Python实现梯度下降法的示例代码的文章就介绍到这了,更多相关python梯度下降法内容请搜索云初冀北以前的文章或继续浏览下面的相关文章希望大家以后多多支持云初冀北!

免责声明
本站提供的资源,都来自网络,版权争议与本站无关,所有内容及软件的文章仅限用于学习和研究目的。不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负,我们不保证内容的长久可用性,通过使用本站内容随之而来的风险与本站无关,您必须在下载后的24个小时之内,从您的电脑/手机中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。侵删请致信E-mail:Goliszhou@gmail.com
$

发表评论

表情:
评论列表 (暂无评论,204人围观)

还没有评论,来说两句吧...