深度学习(二)——线性回归的求解

本文介绍了深度学习中的线性回归,焦点在于如何通过梯度下降法求解线性方程。内容包括损失函数的定义:loss = (y - w * x - b)^2,以及更新权重w和偏置b的迭代公式:w(新) = w(旧) - ∂loss/∂w, b(新) = b(旧) - ∂loss/∂b,并解释了为何使用减号的原因。" 85043518,7401116,数据结构:逻辑结构与时间复杂度解析,"['数据结构', '算法分析', '计算机科学', '编程基础', '数据存储']
摘要由CSDN通过智能技术生成

线性回归对线性方程y = w * x + bw,b求解
知识点:

  1. 损失函数:loss = (y - w * x - b )**2
  2. 怎么迭代:loss对要求的值求偏导:
  • w(新) = w(旧) - ∂loss/∂w
  • b(新) = b(旧) - ∂loss/∂b
  • 为什么是减号呢:设想当前点在最优解左边(凹函数),斜率就是负值,怎么向右移动呢?负负得正,减去这个负值就好啦!
  • 随着点越来越靠近最优解,loss自然就下降了
import torch
import numpy as np
#计算当前b, w下的损失函数总值
def compute_error_for_line_given_points(b, w, points):
    totalError = 0
    for i in range(0, len(points)):
        x = points[i, 0]
        y = points[i, 1]
        totalError +
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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