【Python】梯度下降法求解一元二次函数的波谷

最新推荐文章于 2022-09-16 10:31:10 发布

Wesson96

最新推荐文章于 2022-09-16 10:31:10 发布

阅读量3k

点赞数 1

分类专栏： Python 文章标签： python

本文链接：https://blog.csdn.net/sndayYU/article/details/123436451

版权

Python 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

import random


'''
drd notes: 使用梯度下降法 求y=3x^2 + 7x - 10波谷时x的值
'''


def my_function(x):
    # drd notes：y = 3x^2 + 7x - 10
    return 3 * x * x + 7 * x - 10


def my_function_slop(x):
    # drd notes: 切线方程对应为y = 6x + 7
    return 6 * x + 7


# drd notes:求y最小值时的x
def gradient_descent_min():
    # drd notes: 产生随机初始化的点
    x0 = random.randint(-100, 100)
    w = 0.001
    precision = 1e-6
    count = 0
    # drd notes：一元二次方程经过多次 梯度下降 走法，最后必然会在最小值附近
    while True:
        x1 = x0 - my_function_slop(x0) * w
        count = count + 1
        # drd notes: 达到精度后就推出
        if abs(my_function(x1) - my_function(x0)) < precision:
            break
        x0 = x1

    # drd notes：波谷点为(-7/6, 169/12), -7/6 = -1.1666666
    # drd notes: 经过 1001 迭代后，当x = -1.161392224931042时，y有最小值-14.083249874126466
    # 经过 1472 迭代后，当x = -1.1719342628187626时，y有最小值-14.083250090625668
    print('经过 {} 迭代后，当x = {}时，y有最小值{}'.format(count, x0, my_function(x0)))


if __name__ == '__main__':
    gradient_descent_min()