Python梯度法——最速下降法

最新推荐文章于 2024-07-24 16:43:46 发布

风度翩翩猪肉王子

最新推荐文章于 2024-07-24 16:43:46 发布

阅读量8.5k

点赞数 13

分类专栏： Data Analysis with Python 文章标签： gradient

本文链接：https://blog.csdn.net/qq_17249717/article/details/82833206

版权

本文介绍了Python如何应用梯度法实现最速下降法。通过一个算例详细展示了使用Python进行求解的过程，并给出了最终结果的图形展示。

摘要由CSDN通过智能技术生成

假设我们已经知道梯度法——最速下降法的原理。

现给出一个算例：

在这里插入图片描述

如果人工直接求解：

在这里插入图片描述

现给出Python求解过程：

import numpy as np
from sympy import *
import math
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist

# 定义符号
x1, x2, t = symbols('x1, x2, t')

def func():
    # 自定义一个函数
    return pow(x1, 2) + 2 * pow(x2, 2) - 2 * x1 * x2 - 2 * x2

def grad(data):
    # 求梯度向量,data=[data1, data2]
    f = func()
    grad_vec = [diff(f, x1), diff(f, x2)]  # 求偏导数,梯度向量
    grad = []
    for item in grad_vec:
        grad.append(item.subs(x1, data[0]).subs(x2, data