剃度下降法

m0_65726092

于 2022-10-03 17:13:00 发布

阅读量273

点赞数

文章标签： python

本文链接：https://blog.csdn.net/m0_65726092/article/details/127154023

版权

该博客介绍了剃度下降法的实现过程，通过Python代码展示了权重更新的逻辑，并使用了一个简单的例子进行演示。在循环迭代中，不断调整权重w0、w1和w2，直到满足误差阈值条件为止。最后，输出了最终的权重值并绘制了权重变化图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

剃度下降

import sys
import numpy as np

x1 = np.array([2104, 1600, 2400, 1416, 3000])
x2 = np.array([3, 3, 3, 2, 4])
y = np.array([400, 330, 369, 232, 540])
a0 = 0.01
w0 = 1
w1 = 1
w2 = 1
j = 0
alp = 0.01

xx = []
yy = []
zz = []

def hy(xx1, xx2):
return w0 + w1 * xx1 + w2 * xx2

while (j < 10000000):
w0 = w0 - (hy(x1[j % 4], x2[j % 4]) - y[j % 4]) * alp * 1e-2
w1 = w1 - (hy(x1[j % 4], x2[j % 4]) - y[j % 4]) * x1[j % 4] * alp * 1e-5
w2 = w2 - (hy(x1[j % 4], x2[j % 4]) - y[j % 4]) * x2[j % 4] * alp * 1e-2

xx.append(w0)
yy.append(w1)
zz.append(w2)
if (abs(hy(x1[j % 4], x2[j % 4]) - y[j % 4]) < a0 and abs(
(hy(x1[j % 4], x2[j % 4]) - y[j % 4]) * x1[j