一、理論知識準備
1.確定假設函數
如：y=2x+7
其中，（x，y）是一組數據，設共有m個
2.誤差cost
用平方誤差代價函數
3.減小誤差（用梯度下降）
二、程序實現步驟
1.初始化數據
x、y：樣本
learning rate：學習率
循環次數loopNum：梯度下降次數
2.梯度下降
循環（循環loopNum次）：
（1）算偏導（需要一個for循環遍歷所有數據）
（2）利用梯度下降數學式子
三、程序代碼
import numpy as np
def linearRegression(data_x,data_y,learningRate,loopNum):
w,b=0,0
#梯度下降
for i in range(loopNum):
w_derivative, b_derivative, cost = 0, 0, 0
for j in range(len(data_x)):
wxPlusb=w*data_x[j]+b
w_derivative+=(wxPlusb-data_y[j])*data_x[j]
b_derivative+=wxPlusb-data_y[j]
cost+=(wxPlusb-data_y[j])*(wxPlusb-data_y[j])
w_derivative=w_derivative/len(data_x)
b_derivative=b_derivative/len(data_x)
w = w - learningRate*w_derivative
b = b - learningRate*b_derivative
cost = cost/(2*len(data_x))
if i%100==0:
print(cost)
print(w)
print(b)
if __name__== "__main__": #_x:protected __x:private
x=np.random.normal(0,10,100)
noise=np.random.normal(0,0.05,100)
y=2*x+7+noise
linearRegression(x,y,0.01,5000)
四、輸出
1.輸出cost
可以看到，一開始的誤差是很大的，然后減小了
最后幾次輸出的cost沒有變化，可以將訓練的次數減小一點
2.訓練完的w和b
和目標w=2，b=7很接近
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
