- 博客(3)
- 收藏
- 关注
原创 梯度下降作业
1.手工推导1.1单元函数1.2多元函数1.3线性回归2.代码2.1单元函数import numpy as npimport matplotlib.pyplot as pltdef f(x): return 1 / 2 * x * x - 2 * x + 3def f_(x): return x - 2def tdxj(): x = 8 time = 500 alpha = 0.05 x_fw = np.linspace(
2022-01-22 11:50:28
732
原创 简单的矩阵分解
利用梯度下降进行矩阵分解1.问题引入2.问题分析3.解决方法3.1求损失函数3.2用梯度下降修正矩阵4.有关梯度下降5.代码样例及分析6推导和过程演示1.问题引入2.问题分析根据矩阵分解的思想解决问题,矩阵R(5,4)可以近似表示为P和Q的乘积,即R(5,4)≈P(n,k)*Q(k,m)。矩阵P(n,k)表示的是n个user和K个特征量之间的关系矩阵,矩阵Q(m,k)表示的是m个item和K个特征量之间的关系矩阵。这K个特征量是一个中间变量,矩阵Q(m,k)的转置是矩阵Q(k,m),这里的K是由
2022-01-12 15:44:28
240
原创 简单的梯度下降
梯度下降目录梯度下降1.概念2.梯度3.梯度下降4.简单示例分析5.代码实现6.总结1.概念梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。梯度下降(Gradient Descent)是在求解机器学习算法的模型参数最常采用的方法之一(另外一种是最小二乘法)。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。2.梯度梯度下降法的计算过程就是沿梯度下降的方向求解极小值的过程,我们首先要知道梯度的数学意义以及表达式,在单变量函数中,
2021-11-23 21:26:20
585
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人