标签：处理 obj 菜鸟 one 运行 最大 print 梯度下降算法 get
关键词：
梯度下降：就是让数据顺着梯度最大的方向，也就是函数导数最大的放下下降，使其快速的接近结果。
Cost函数等公式太长，不在这打了。网上多得是。
这个非线性回归说白了就是缩小版的神经网络。
python实现：
1 import numpy as np 2 import random 3 4 def graientDescent(x,y,theta,alpha,m,numIterations):#梯度下降算法 5 xTrain =x.transpose() 6 for i in range(0,numIterations):#重复多少次 7 hypothesis=np.dot(x,theta) #h函数 8 loss=hypothesis-y 9 10 cost=np.sum(loss**2) / (2*m) 11 print("Iteration %d / cost:%f"%(i,cost)) 12 graient=np.dot(xTrain,loss)/m 13 theta=theta-alpha*graient 14 return theta 15 16 def getData(numPoints,bias,variance):#自己生成待处理数据 17 x=np.zeros(shape=(numPoints,2)) 18 y=np.zeros(shape=numPoints) 19 for i in range(0,numPoints): 20 x[i][0]=1 21 x[i][1] = i 22 y[i]=(i+bias)+random.uniform(0,1)*variance 23 return x,y 24 25 X,Y=getData(100,25,10) 26 print("X:",X) 27 print("Y:",Y) 28 29 numIterations=100000 30 alpha=0.0005 31 theta=np.ones(X.shape[1]) 32 theta=graientDescent(X,Y,theta,alpha,X.shape[0],numIterations) 33 print(theta)
运行结果：
......输出数据太多，只截取后面十几行
Iteration 99988 / cost:3.930135
Iteration 99989 / cost:3.930135
Iteration 99990 / cost:3.930135
Iteration 99991 / cost:3.930135
Iteration 99992 / cost:3.930135
Iteration 99993 / cost:3.930135
Iteration 99994 / cost:3.930135
Iteration 99995 / cost:3.930135
Iteration 99996 / cost:3.930135
Iteration 99997 / cost:3.930135
Iteration 99998 / cost:3.930135
Iteration 99999 / cost:3.930135
[30.54541676 0.99982553]
其中遇到一个错误。
TypeError: unsupported operand type(s) for *: ‘builtin_function_or_method‘ and ‘float‘
因为我第五行xTrain =x.transpose()。刚开始没加括号。直接用的xTrain =x.transpose
打印一下xTrain是
<built-in method transpose of numpy.ndarray object at 0x00000219C1D14850>
只是创建了一个transpose方法，并没有真的给x转置。加上括号就好了。再打印xTrain就能正常显示转置后的x了
标签：处理 obj 菜鸟 one 运行 最大 print 梯度下降算法 get
原文地址：https://www.cnblogs.com/albert-yzp/p/9565800.html
