第二讲 linear_model源代码
B站 六二大人,参考up错错莫,并加入了自己的思考(特别鸣谢)
代码说明:
1.函数forward()中的变量w。这个变量最终的值是从for循环中传入的
2.for循环中,使用了np.arange.numpy中的经典函数,不熟悉的话去补一下numpy基础
3.python中zip函数的用法,传送门: python中zip()函数的用法
4.python中np.meshgrid函数,具体可看这篇博客: link
5.对代码进行了详细的注释,方便新手入门
import numpy as np
import matplotlib.pyplot as plt
#数据集,输入x,输出y
x_data=[1.0,2.0,3.0]
y_date=[2.0,4.0,6.0]
#定义模型
def forward(x):
return x*w
#定义损失函数
def loss(x,y):
y_pred=forward(x)
return (y_pred-y)**2
##穷举法
w_list=[] #对应的权重保存到列表中
mse_list=[]#对应权重的损失值
for w in np.arange(0.0,4.1,0.1): #间隔为0.1,生成0.0-4.0的序列
print("w=",w)
l_sum=0
for x_val, y_val in zip(x_data,y_date): #用zip将所x_date,y_date拼成所需要的值
y_pred_val=forward(x_val) #计算预测
loss_val=loss(x_val,y_val) #计算损失
l_sum+=loss_val #求和
print('\t',x_val,y_val,y_pred_val,loss_val)
print('MSE=',l_sum/3) #MSE(mean square error) 平均平方误差
w_list.append(w)
mse_list.append(l_sum/3) #求平均
#绘图
plt.plot(w_list.mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()
本节课后作业
作业题目:实现线性模型(y=wx+b)并输出loss的3D图像。
#作业题目:实现线性模型(y=wx+b)并输出loss的3D图像。
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
#这里设函数为y=3x+2
x_date=[1.0,2.0,3.0]
y_date=[5.0,8.0,11.0]
#定义模型
def forward(x):
return x*w+b
#定义损失函数
def loss(x,y):
y_pred=forward(x)
return (y_pred-y)*(y_pred-y)
mse_list=[] #平均损失误差
W=np.arange(0.0,4.1,0.1)
B=np.arange(0.0,4.1,0.1)
[w,b]=np.meshgrid(W,B)
l_sum=0
for x_val,y_val in zip(x_date,y_date):
y_pred_val=forward(x_val)
print(y_pred_val)
loss_val=loss(x_val,y_val)
l_sum+=loss_val
#绘图
fig=plt.figure
ax=fig.add_axes(Axes3D(fig))
ax.plot_surface(w,b,l_sum/3)
plt.show()
结果图: