代码解析
内层循环:核心计算内容:
从数据集中,按数据对儿取出自变量x_val和真实值y_val;先调用forward函数,计算预测值 w*x(y_hat);调用loss函数,计算单个数据的损失数值;累加损失,并记下来(此处要提前初始化一个值为0的变量,后面才能不报错);随意打印想要看到的内容,一般是打印x_val、y_val、loss_val;在外层循环中(也就是每一个数据对儿计算的时候),都要把计算的结果,放进之前的空列表,用于绘图。
全部代码
import numpy as np
import matplotlib.pyplot as plt
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
def forward(x):
return x * w
# loss function 是 均方根误差 loss = (y_hat - y) ** 2
def loss(x, y):
y_pred = forward(x)
return (y_pred - y) * (y_pred - y)
w_list = []
mse_list = []
for w in np.arange(0.0, 4.0, 0.1):
print('w=', w)
l_sum = 0
for x_val, y_val in zip(x_data, y_data):
# A zip object yielding tuples until an input is exhausted;
y_pred_val = forward(x_val)
loss_val = loss(x_val, y_val)
# 传入的是x_val,但是经过loss中的forward计算后,已经是y_hat(估计值)了;
l_sum += loss_val
print('\t', x_val, y_val, y_pred_val, loss_val)
print('MSE=', l_sum / len(x_data))
# 求一下 损失的均值
w_list.append(w)
mse_list.append(l_sum / len(x_data))
plt.plot(w_list, mse_list)
plt.ylabel('Loss')
plt.xlabel('w')
plt.show()