超级会员免费看
本文介绍了梯度下降法的原理，并通过Python的sklearn模块实践线性回归。文章详细讲解了如何用代码实现解析解，包括数据生成、模型构建和损失函数。通过梯度下降法，可以逐步找到损失函数的最小值，从而求得最优解。此外，还讨论了学习率和超参数的重要性，以及sklearn库在求解线性回归问题时的便捷性。
首先我们看一下,这个代码可以看到,上面
import numpy as np 这个numpy是用来做数学计算的包
import matplotlib.pyplot as plt 这个是用来绘图的.
然后接着我们看这里:
我们准备数据,先得到一个X 这个x,是用np.random.rand(100,1)
产生随机数对吧,我们看看这个rand是怎么产生随机数的
点进去这个rand方法,可以看到,里面有介绍,说populate,填充,
a uniform distribution 是一个均匀的分布
可以看到是左闭右开的.
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
