paddlepaddle学习笔记之梯度下降法
本文基于ai-studio使用nmumpy构建神经网络模型项目
引入
波士顿房价预测:
本文以波士顿房价预测模型来介绍梯度下降法,现实生活中,房价会受到多方面的影响,这就使得人们有机会从外部信息中提取出对房价信息的预测值,那么诸多的外部信息如:位置、交通、是否学区房等如何影响房价,影响房价的程度我们该如何确定呢?用神经网络的思想解决这个问题,假设各因素对房价造成的影响为线性关系,将各个影响参数设置为{w1,w2,w3,w4…}和一个偏差值b。假设关系如下所示:
到这一步,我们需要确定w和b具体的值,为达到这个目的,我们必须先得知当前所设置的参数能否符合要求,规定一个Loss函数用于评价模型准确度,其中y为真实房价,z为预测房价,如下列式子:
L = 1 2 N ∑ i = 1 N ( y i − z i ) 2 L= \frac{1}{2N}\sum_{i=1}^N{(y_i - z_i)^2} L=