python-梯度下降核心代码

不服输的南瓜

于 2018-12-13 11:50:46 发布

阅读量1.5k

点赞数

分类专栏： python机器学习文章标签：梯度下降代码 python

本文链接：https://blog.youkuaiyun.com/weixin_40283816/article/details/84985456

版权

本文介绍了使用Python实现梯度下降算法的核心代码，包括三个关键部分，帮助理解如何在优化问题中应用该算法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

核心代码1：

# 梯度下降
def cost(theta0, theta1, x, y):
     J = 0
     m = len(x)
     for i in range(m):
         h = theta1 * x[i] + theta0
         J += (h - y[i])**2
     J /= (2*m)
     return J

核心代码2：

# 更新的值
def partial_cost_theta1(theta0, theta1, x, y):
     h = theta0 + theta1 * x
     # h对theta1求偏导
     diff = (h - y) * x
     partial = diff.sum() / (x.shape[0])
     return partial
def partial_cost_theta0(theta0, theta1, x, y):
     h = theta0 + theta1 * x
     # h对theta0求偏导
     diff = (h - y)
     partial = diff.sum() / (x.shape[0])
     return partial

核心代码3：

def gradient_descent(x, y, alpha = 0.1, theta0 = 0, theta1 = 0):
     max_epochs = 1000     # 最大迭代次数
     counter = 0           # 初始化次数
     c = cost(theta1, theta0, pga.distance, pga.accuracy)  #目标函数（损失函数）
     costs = [c

最低0.47元/天解锁文章