简单的二维梯度下降（适合入门）

Nap!

已于 2022-10-21 21:15:44 修改

阅读量356

点赞数

分类专栏：笔记文章标签： python 开发语言

于 2022-10-21 21:15:06 首次发布

原文链接：https://www.bilibili.com/video/BV15i4y147pf/?spm_id_from=333.1007.top_right_bar_window_history.content.click

版权

笔记专栏收录该内容

22 篇文章

订阅专栏

本文通过Python实现了一个简单的线性回归模型，展示了如何通过梯度下降法调整权重(w)和偏置(b)，最终目标函数(loss)趋近于0，参数w接近3，b接近4。过程包括随机初始化、计算损失并更新参数，最后可视化训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

生成一部分数据（_x,_y）
_x 0~0.99

利用plot函数打印
在这里插入图片描述
完整代码

import random
import matplotlib.pylab as plt

_x=[i/100 for i in range (100)]
_y=[3*e+4+random.random() for e in  _x]
# print(_x)
# print(_y)
# plt.plot(_x,_y,".")
# plt.show()

w=random.random()
b=random.random()

for i in range(30):
    for x,y in zip(_x,_y):
        z = x*w+b  
        o=z-y      #损失值
        loss=o**2  #损失值要>0所以平方

        dw=-2*o*x  #由loss=o^2求导
        db=-2*o    #由loss=o^2求导

        w=w+0.1*dw  #假设学习率=0.1
        b=b+0.1*db

        print(w,b,loss) #打印w b loss  发现 w 会趋近于3,b趋近于4
plt.plot(_x,_y,".")
v=[w*e+b for e in _x]
plt.plot(_x,v)
plt.show()