python 实现使用平方损失函数线性拟合

这篇博客介绍了如何使用Python进行线性拟合,重点在于利用平方损失函数来优化模型。博主通过龙龙老师的视频学习,详细阐述了目标函数、损失函数及其梯度,并提供了迭代更新系数和偏移量的公式。文章还展示了用numpy生成数据并进行10次迭代后的拟合效果,说明经过多次迭代,系数的变化趋于稳定。
摘要由CSDN通过智能技术生成

线性拟合

龙龙老师视频学习笔记

目标函数

y = ω x + b y = ω x + b y=ωx+b

求解目标为系数 ω ω ω 和 偏移量 b b b

损失函数

l o s s = Σ i ( ω ∗ x i + b − y i ) 2 loss = Σ_i(ω * x_i + b - y_i)^2 loss=Σi(ωxi+byi)2

则该损失函数 ω ω ω方向的梯度为
ω ′ − ω = η

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值