网络编程
位置:首页>> 网络编程>> Python编程>> python实现机器学习之元线性回归

python实现机器学习之元线性回归

作者:婉如  发布时间:2022-05-30 06:02:54 

标签:python,元线性回归

一、理论知识准备

1.确定假设函数

如:y=2x+7
其中,(x,y)是一组数据,设共有m个

2.误差cost

用平方误差代价函数

python实现机器学习之元线性回归

3.减小误差(用梯度下降)

python实现机器学习之元线性回归
python实现机器学习之元线性回归

二、程序实现步骤

1.初始化数据

x、y:样本
learning rate:学习率
循环次数loopNum:梯度下降次数

2.梯度下降

循环(循环loopNum次):
(1)算偏导(需要一个for循环遍历所有数据)
(2)利用梯度下降数学式子

三、程序代码


import numpy as np

def linearRegression(data_x,data_y,learningRate,loopNum):
 w,b=0,0

#梯度下降
 for i in range(loopNum):
   w_derivative, b_derivative, cost = 0, 0, 0
   for j in range(len(data_x)):
     wxPlusb=w*data_x[j]+b
     w_derivative+=(wxPlusb-data_y[j])*data_x[j]
     b_derivative+=wxPlusb-data_y[j]
     cost+=(wxPlusb-data_y[j])*(wxPlusb-data_y[j])
   w_derivative=w_derivative/len(data_x)
   b_derivative=b_derivative/len(data_x)

w = w - learningRate*w_derivative
   b = b - learningRate*b_derivative

cost = cost/(2*len(data_x))
   if i%100==0:
     print(cost)
 print(w)
 print(b)

if __name__== "__main__": #_x:protected __x:private
 x=np.random.normal(0,10,100)
 noise=np.random.normal(0,0.05,100)
 y=2*x+7+noise
 linearRegression(x,y,0.01,5000)

四、输出

1.输出cost

python实现机器学习之元线性回归 

可以看到,一开始的误差是很大的,然后减小了

python实现机器学习之元线性回归 

最后几次输出的cost没有变化,可以将训练的次数减小一点

2.训练完的w和b

python实现机器学习之元线性回归 

和目标w=2,b=7很接近

来源:https://blog.csdn.net/zhangergou0628/article/details/80436491

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com