paddlepaddle学习笔记之梯度下降法

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=