- 博客(9)
- 收藏
- 关注
RSS订阅原创 机器学习实验一单变量线性回归
得到斜率： 0.97，截距： 1.96，拟合直线方程为：y=0.97x+1.96；测试数据偏差平方和：ssTotTest = sum((yTest -np.mean(yTest)) ** 2)训练数据残差平方和：ssResTrain = sum((hpyTrain -yTrain) ** 2)测试数据残差平方和：ssResTest = sum((hpyTest -yTest) ** 2。假设hpyTrain代表针对训练数据的预测y值，hpyTest代表针对测试数据的预测y值。说明该回归模型拟合效果很好。
2024-06-17 20:42:03
614
原创 大数据算法实验六 参数优化对比
Adam：利用梯度的一阶矩估计和二阶矩估计，动态调整每个参数的学习率，在经过偏置的校正后，每一次迭代后的学习率都有个确定的范围，使得参数比较平稳。Momentum：参考了物理中动量的概念，前几次的梯度也会参与道当前的计算中，但是前几轮的梯度叠加在当前计算中会有一定的衰减。Adagard：在训练过程中可以自动变更学习的速率，设置一个全局的学习率，而实际的学习率玉以往的参数模的和的开方成反比。SGD：随机梯度下降，每一次迭代计算数据集的mini-batch的梯度，然后对参数进行更新。
2024-06-17 20:15:03
163
原创 大数据算法实验四矢量显示
使用gradient_descent()函数求出梯度矢量，绘制出二维梯度走向分析图和使用python的Axes3D类绘制求函数f=x^3+y^3的梯度矢量的3D显示图。实验目的：1.理解梯度的含义及作用。
2024-06-17 20:07:57
274
原创 大数据算法实验三梯度下降
使用gradient_descent()函数和python的Axes3D类绘制梯度下降法求函数f=x^2+y^2的最小值过程的散点图。实验目的：1.理解梯度下降的含义及作用。
2024-06-17 20:06:28
96
原创 大数据算法实验一损失函数
（1）使用mnist数据集构建神经网络（PPT提供，不使用pickle文件，随机给定权重参数初值）（2）损失函数：使用两种损失函数定义输出随机给定手写数据样本（测试集上）的误差损失对比情况。
2024-06-17 20:02:02
133
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人