jypyter notebook一个问题

文章介绍了使用numpy进行随机数据生成和线性回归模型训练的过程,探讨了如何通过学习率衰减策略防止在参数较多时出现NaN问题。作者在15个参数情况下正常运行,但当参数超过15个时出现NaN值,提示需要对参数调整或模型优化方法进行改进。
摘要由CSDN通过智能技术生成

import numpy as np
X = np.random.rand(200, 16)
w = np.random.randint(1, 100, size=(16, 1))
b = np.random.randint(1, 600, size=1)
y = X.dot(w) + b + np.random.randn(200, 1)
X = np.concatenate([X,np.full(shape=(200, 1), fill_value=1)], axis=1)
epoches = 10000
eta = 0.001
t0 = 5
t1 = 1000
def learning_rate_shedule(t):
    return t0 / (t + t1)
theta = np.random.randn(17,1)
t = 0
for i in range(epoches):
    g = X.T.dot(X.dot(theta)-y)
    eta = learning_rate_shedule(t)
    theta = theta - eta * g
    t +=1
print('真实的斜率、截距是:', w, b)
print('BGD求解的斜率、截距是:', theta)

执行结果是:

真实的斜率、截距是: [[10]
 [ 2]
 [40]
 [48]
 [57]
 [89]
 [ 6]
 [70]
 [67]
 [33]
 [70]
 [93]
 [84]
 [41]
 [61]
 [62]] [527]
BGD求解的斜率、截距是: [[nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]
 [nan]]

请问到底怎么修改呢,在15个参数情况下正常执行,到15以上就是NAN了

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值