梯度下降实例

用到的数据集pga.csv

pga.csv

该数据集记录了打高尔夫球时不同距离的精确度。我们的目的是根据距离猜测精确度值。

思路

1. 读取文件中的数据，将数据进行规范化处理。

2. 根据公式写出损失函数

3. 计算theta0和theta1的偏导数函数

4. 设置最大循环次数和收敛阈值，找到成本函数最小化的位置（当前成本与之前成本之间的差异小于这个值时，我们就说参数已经收敛）。根据公式计算theta1和theta0

代码

import pandas
import matplotlib.pyplot as plt
#Read data from csv
pga = pandas.read_csv("pga.csv")

#Normalize the data
pga.distance =(pga.distance-pga.distance.mean())/pga.distance.std()
pga.accuracy =(pga.accuracy-pga.accuracy.mean())/pga.accuracy.std()

# 这段代码是在计算损失函数。
# 具体来说，它计算的是单变量线性回归模型的平均平方误差（Mean Squared Error, MSE）
# 这个损失函数用于评估模型预测值与真实值之间的差异。
def cost(theta0,theta1,x,y):
    #Initialize cost