一、线性回归实验目标
算法推导过程中已经给出了求解方法,基于最小乘法直接求解,但这并不是机器学习的思想,由此引入了梯度下降方法。
实验主要内容:
(1)线性回归方程实现
(2)梯度下降效果
(3)对比不同梯度下降测量
(4)建模曲线分析
(5)过拟合与欠拟合
(6)正则化的作用
(7)提前停止策略
二、实验步骤
首先准备环境,配置画图参数,过滤警告。
import numpy as np
import os
import warnings
import matplotlib
import matplotlib.pyplot as plt
# 画图参数设置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12
# 过滤警告
warnings.filterwarnings('ignore')
构造数据点(样本):
# 通过rand函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1),不包括1
X = 2 * np.random.rand(100, 1)
# 构造线性方程&#x