梯度下降就是一开始找一个随机的w值,然后带入进去计算损失,最后w减去本次的梯度后绘图
import matplotlib.pyplot as plt
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
def forward(w, x, y):
# 梯度函数,计算本次迭代需要下降的梯度
return 2 * x * (w * x - y)
def cost(w):
# 计算损失值函数
cost_sum = 0
for x_val, y_val in zip(x_data, y_data):
cost_sum -= x_val * w - y_val
return cost_sum
w_list = []
mse_list = []
w = -100
for i in range(30):
loss_sum = 0
for x_val, y_val in zip(x_data, y_data):
# 计算所有x值对应的梯度然后求和再求平均
loss_sum += 0.1 * forward(w, x_val, y_val)
# 输出一下损失值
cost_data = cost(w)
print("\tw=", w, "\tcost=", cost(w))
w_list.append(i + 1)
# 把损失值加入列表,用来绘图
mse_list.append(cost_data / len(x_data))
w -= loss_sum / len(x_data)
# 绘图
plt.plot(w_list, mse_list)
plt.ylabel("Loss")
plt.xlabel("w")
plt.show()