超级会员免费看
本文通过代码实例演示了在Python中实现批量梯度下降（BGD）算法的过程，用于一元一次方程的拟合。在训练过程中，通过添加噪声模拟真实情况，并讨论了numpy的广播机制。此外，引入了逆时衰减的学习率调整策略，以避免在梯度下降中因步幅过大导致的震荡问题。
然后我们用代码来演示一下BGD批量梯度下降,首先启动jupyter notebook
然后我们新建一个文件
新建文件夹,然后新建一个python文件
然后我们这里用一元一次方程进行批量梯度下降.
import numpy as np 导入数学计算包
X = np.random.rand(100,1)
`np.random.rand(100, 1)` 是NumPy库中的一个函数，用于生成一个形状为 (100, 1) 的二维数组，其中的元素是从[0, 1)区间内均匀分布的随机数。
就是100行1列的数据,然后是0到1之间的,是均匀分布的,就是概率一样,表示在函数上是y轴是一样的,也就是一条直线.x是0到1的
然后有了X矩阵,我们再去把w和b,写出来
<
订阅专栏 解锁全文
扫一扫
598
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
