【机器学习】梯度下降法求解线性回归参数 | 您所在的位置:网站首页 › 数学梯度怎么算 › 【机器学习】梯度下降法求解线性回归参数 |
【机器学习】梯度下降法求解线性回归参数
原创
chaoql 2023-06-20 09:53:26 博主文章分类:数据科学 ©著作权 文章标签 损失函数 迭代 数组 文章分类 HarmonyOS 后端开发 ©著作权归作者所有:来自51CTO博客作者chaoql的原创作品,请联系作者获取转载授权,否则将追究法律责任对于一元线性函数: 定义其平方损失函数为: 接下来,求平方损失函数 1 阶偏导数:
其中lr为学习率。 python实现: def ols_gradient_descent(x, y, lr, num_iter): """ 参数: x -- 自变量数组 y -- 因变量数组 lr -- 学习率 num_iter -- 迭代次数 返回: w1 -- 线性方程系数 w0 -- 线性方程截距项 """ w1=0#随机值 w0=0 for i in range(num_iter):#迭代 y_=w0+w1*x w1 -= lr*(-2*sum(x*(y-y_))) w0 -= lr*(-2*sum(y-y_)) return w1, w0运行测试: w1_, w0_ = ols_gradient_descent(x, y, lr=0.00001, num_iter=100) round(w1_,3), round(w0_,3)输出:(1.264, 0.038) 即为: 赞 收藏 评论 分享 举报 上一篇:【Hadoop】YARN简述 下一篇:【机器学习】回归方法综合应用练习 |
CopyRight 2018-2019 实验室设备网 版权所有 |