人工智能基础_机器学习016_BGD批量梯度下降求解多元一次方程_使用SGD随机梯度下降计算一元一次方程---人工智能工作笔记0056

这篇博客介绍了如何使用批量梯度下降(BGD)方法解决多元一次方程。通过生成随机数据并添加噪声,模拟真实情况,博主展示了如何在Python中实现BGD算法,并对比了实际的斜率和截距与通过BGD求解的值,验证了算法的准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

然后上面我们用BGD计算了一元一次方程,那么现在我们使用BGD来进行计算多元一次方程

对多元一次方程进行批量梯度下降.

import numpy as np

X = np.random.rand(100,8)  首先因为是8元一次方程,我们要生成100行8列的X的数据对应x1到x8

w = np.random.randint(1,10,size = (8,1)) 然后我们生成8行1列的数据,从1到10之间,用来做为w1到w8 和X进行相乘,注意100行8列  和8列1行可以进行相乘,这个要明白

b = np.random.randint(1,10,size = 1) 然后我们生成,从1到10中生成1个,数来作为截距b
#增加“噪声”,更像真实数据,“加盐”

#增加扰动!数据更加真实

# Numpy广播机制

y=X.dot(w)+b+np.random.randn(100,1)

然后这个公式不用变,只是添加 一个噪声就可以了,添加一个,100行1列的数据,因为 我们这个:是矩阵运算,所以因为有100行x,所以就要有100行的随机噪声,然后要有一列,np.random.randn(100,1)函数生成的是服从标准正态分布的随机数,也称为高斯分布。这些随机数的均值为0,标准差为1。因此,你可以使用这个函数来生成一个100行1列的符合标准正态分布的随机数矩

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

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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