监督学习python

最新推荐文章于 2024-05-15 18:17:45 发布

桃李春风一杯酒o

最新推荐文章于 2024-05-15 18:17:45 发布

阅读量64

点赞数

本文链接：https://blog.csdn.net/weixin_48645204/article/details/120081986

版权

梯度下降线性回归误差优化参数调整迭代算法

关键词由CSDN通过智能技术生成

import numpy as np
import matplotlib.pyplot as plt
import random
x=np.array([[2140,3],[1600,3],[2400,3],[1416,2],[3000,4]])
t=np.array([400,330,369,232,540])
alpha=0.0000001
k0=np.random.random()
k1=np.random.random()
k2=np.random.random()
k=np.array([k1,k2])
eps=1e-4
e0=9
e1=9
e2=9
while e0>=eps or e1>=eps or e2>=eps:
    i=0
    e0=(np.sum((x[i,0:1]*k[i]))+k0*1-t[i])
    e1=e0*x[i,0]
    e2=e0*x[i,1]
    k0=k0-alpha*e0
    k1=k1-alpha*e1
    k2=k2-alpha*e2
    i+=1

print(k0,k1,k2)```