机器学习算法导论代码---linear_regression_gd

最新推荐文章于 2024-01-04 20:16:02 发布

原创最新推荐文章于 2024-01-04 20:16:02 发布 · 669 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

机器学习算法导论代码专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍如何使用梯度下降算法求解线性回归问题，通过实例演示如何在`LinearRegression`类中实现权重更新过程。重点讲解了计算梯度、更新步骤和预测模型的应用。

# 线性回归问题的梯度下降算法
import numpy as np
class LinearRegression:
    def fit(self,X,y,eta,N):
        m,n=X.shape
        w=np.zeros((n,1))
        for t in range(N):
            e=X.dot(w)-y
            g=2*X.T.dot(e)/m
            w=w-eta*g
        self.w=w
    def predict(self,X):
        return X.dot(self.w)