本博客手写一个线性回归,底层实现机器学习中线性回归模型代码。
采样数据:
为了能够很好地模拟真实样本的观测误差, 我们给模型添加误差自变量, 它采样自均值为 0, 标准差为 0.01 的高斯分布:
通过随机采样n=100次,获得了训练数据集D。
计算误差:
计算每个样本点预测值和真实值间的平均累加平方和差,得到均方误差损失值。
计算梯度:
我们需要计算出函数在每一个点上的梯度信息:(∂ℒ/∂w ,∂ℒ/∂b)。
梯度更新:
在计算出误差函数的梯度后,根据公式更新w和b值,循环迭代 num_iterations 个 Epoch。
经过1000的迭代更新后, 保存最后的w和b值, 此时的w和b的值就是我们要找的w∗和b∗数值解。 运行结果如下:
程序代码:
https://download.csdn.net/download/do_it_123/88919558
备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
创作不易,相关程序,说明文档需求,如需要,可加作者新联系方式,WX:Q3101759565,QQ:3101759565[多加几次!!!]
祝您学业有成!工作顺利! 年薪百万!