社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

如何做梯度下降问题(机器学习)?

noahship • 7 年前 • 2204 次点击  

有人能解释一下在没有成本函数的情况下如何做梯度下降问题吗?我已经看过无数的使用成本函数解释梯度下降的教程,但我真的不明白它是如何在更一般的意义上工作的。

我有一个3D功能:

Z=3*(1-xx) 2)*np.exp(—(xx) 2)-(YY+ 1) 2) -10*(XX/5-XX) 3 YY 5)*NP.EXP(-xx) 2 YY 2)-(1/3)*NP.EXP(-XX+1)**2-年 2)

我被要求:

编写一个简单的梯度算法。设置参数如下:

  • 学习率=步长:0.1
  • 最大迭代次数:20
  • 停止条件:0.0001(当渐变小于阈值时,迭代应停止)

然后从

  • (x0=0.5,y0=-0.5)
  • (x0=-0.3,y0=-0.3)

我已经看到这段代码在任何讨论梯度下降的地方浮动:

def update_weights(m, b, X, Y, learning_rate):
    m_deriv = 0
    b_deriv = 0
    N = len(X)
    for i in range(N):
        # Calculate partial derivatives
        # -2x(y - (mx + b))
        m_deriv += -2*X[i] * (Y[i] - (m*X[i] + b))

        # -2(y - (mx + b))
        b_deriv += -2*(Y[i] - (m*X[i] + b))

    # We subtract because the derivatives point in direction of steepest ascent
    m -= (m_deriv / float(N)) * learning_rate
    b -= (b_deriv / float(N)) * learning_rate

    return m, b
    enter code here

但我不知道如何用它来解决我的问题。我的功能在那里如何?我应该调整什么而不是M和B?我很困惑。

谢谢您。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/42911
文章 [ 1 ]  |  最新文章 7 年前