Python梯度下降法

此前我们进行了梯度下降法的推导,所引用的基本公式为

现在我们根据梯度下降法解决实际问题:

其实我们每次更新的迭代,要遍历训练数据中所有的样本进行计算,如果我们的样本非常大,比如数百万到数亿,那么计算量异常巨大。因此,我们需要重新更新算法使每次更新的迭代,只计算一个样本。这样对于一个具有数百万样本的训练数据,完成一次遍历就会对更新数百万次,效率大大提升,因此我们设置一个for循环进行循环迭代从而进行进一步的计算,次数不宜过多但也不宜过少,过多可能会超出范围,过少的话结果可能不会特别精确。

代码如下:


                
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