梯度下降法求解多元线性回归的参数

1、题目描述

    利用最小二乘法和梯度下降法求解多元线性回归的参数,其中X、Y是待拟合的数据,X是自变量,Y是因变量。

    

    

2、解题思路

    使用梯度下降法来求解。损失函数为:1/2(y - f(x))^2 ,每进行一次迭代,先求出所有样本点的平均损失,然后损失函数对各个权重求偏导得到关于每个权重的梯度值,接着使用学习率梯度值更新每个权重。这里的权重初始化不能为0,否则梯度不能更新。代码如下:

#include<iostream>
#include<string>
#include<vector>
using namespace std;

void LinearRegression() {
	/*
		需要拟合的模型为:y = a + bx0 + cx1,其中(a,b,c)是要求的参数
	*/
	vector<vector<float>> X({ {1,1},{2,2},{1,3},{1,6} });
	vector<float> Y({3.5,6.5,5.5,4.0});
	float learning_rate = 0.01;                             //学习率
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