使用梯度下降算法来求解线性回归模型

最新推荐文章于 2024-11-25 18:36:32 发布

原创

最新推荐文章于 2024-11-25 18:36:32 发布 · 1.6k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python

废话

求解线性回归模型的解析解可以直接使用公式，这节可以使用梯度下降算法来求解这类问题的优化问题：
原理的东西不想说了，总之机器学习的一般思路都是：
构建模型（也就是你想建立什么样的预测函数 y=blabla）
—-》
接着就是你想对你要建立的模型使用什么样的损失函数求解最优化问题（此处使用的是最小二乘的原理也就是预测值和真实值的差平方和，最后除以样本数cost=blabla）
—-》
最后一步就是求解最优化问题（参数更新的方式）

代码

# 好了这是最后一遍！！

import numpy as np
import random

#首先要生成一系列数据，三个参数分别是要生成数据的样本数，数据的偏差，以及数据的方差
def getdata(samples,bias,variance):  
    X=np.zeros(shape=(samples,2))  #初始化X
    Y=np.zeros(shape=samp