Pthon实战一.梯度下降法求一元回归方程

最新推荐文章于 2022-12-19 15:26:31 发布

南七小僧

最新推荐文章于 2022-12-19 15:26:31 发布

阅读量654

点赞数 3

分类专栏：人工智能与深度学习算法研究文章标签： Python 人工智能梯度下降吴恩达

我是南七小僧，邮箱：xkk9866@yeah.net ，C9博士，前百度搜索AI平台产品负责人，欢迎交流思想碰撞。

本文链接：https://blog.csdn.net/qq_25439417/article/details/79385281

版权

人工智能与深度学习算法研究专栏收录该内容

90 篇文章 217 订阅 ¥19.90 ¥99.00

订阅专栏

本文通过Python实现了一元线性回归的梯度下降法，介绍了数据集获取、参数初始化和梯度下降算法的过程，适合吴恩达人工智能课程的学习者参考。

摘要由CSDN通过智能技术生成

1.获得数据集

2.参数初始化

3.梯度下降

python代码如下

import numpy as np  
import matplotlib.pyplot as plt 
#原始数据及
x=np.mat([1,2,3,4,5,6])
y=np.mat([2,4,6,8,10,12])
a=0
b=0
canshu=np.mat([a,b])
plt.xlabel('x')
plt.ylabel('y')
plt.show()
x=np.matrix(x)
x=np.transpose(x)
canshu=np.transpose(canshu)

print(canshu)
x=np.column_stack(([1,1,1,1,1,1],x))
print(x)
y=np.transpose(y)
print(y)

#学习速率
alpha=0.0001
#步长（循环次数）
step=1000
i=1
#梯度下降法求参数优化
for i in range(step):
    prey = x*canshu
   # loss = 0.5*3*np.square((y-prey),(y-prey))
    #print('error square',loss)
    a=a+alpha*((y-prey).T*np.mat([1,1,1,1,1,1]).T)
    b=b+al

了解本专栏