2021-11-12

最新推荐文章于 2023-05-30 16:01:14 发布

qq_36760713

最新推荐文章于 2023-05-30 16:01:14 发布

阅读量60

点赞数

分类专栏：笔记

本文链接：https://blog.csdn.net/qq_36760713/article/details/121292314

版权

笔记专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文通过实例演示了如何使用梯度下降法对随机数据进行拟合，介绍了变量初始化、迭代更新过程以及如何调整误差阈值。通过代码展示了如何计算dert、dert1和dert2，最终求得sitsit2sit3的值，适用于任意输入的x和x1。

摘要由CSDN通过智能技术生成

import numpy as np
import math
import random

#随机数据的梯度下降
x = np.random.choice(np.array([2104, 1600, 2400, 1416, 3000]),5)
x1 = np.random.choice(np.array([3,3,3,2,4]),5)
t = np.random.choice(np.array([400, 330, 369, 232, 540]),5)
a = 0.0000100

error = 0.00001

dert = random.random() # 先给定一个值
dert1 = random.random()
dert2 = random.random()

sit = random.random()
sit2 = random.random()
sit3 = random.random()

开始跌代

for i in range(0, 5):
while (dert > error or dert1 > error or dert2 > error):
dert = (sit+sit2x[i]+sit3x1[i]-t[i])*1

    dert1 = (sit + sit2 * x[i] + sit3 * x1[i] - t[i]) * x[i]

    dert2 = (sit + sit2 * x[i] + sit3 * x1[i] - t[i]) * x1[i]

    sit = sit - dert * a
    sit2 = sit2 - dert1*a
    sit3 = sit3 - dert2*a

print(dert) 在这里插入图片描述
print(dert1)
print(dert2)