我是机器学习的新手,我试图通过渐变下降对f(x)= kx进行线性回归。 并且
d(f(x)-y)^2 / dk
=2(f(x)-y) * d(kx-y) / dk
=2x(f(x)-y)
=2x(kx-y)
因此,按k = k - rate * 2x(kx-y)
按渐变下降更新k。
这正是它在教科书上的表达方式,所以我认为这样可行: - (
from random import uniform
k,k0=uniform(-100,100),uniform(-100,100)
for _ in range(10):
x=uniform(-100,100)
k=k-0.01*x*(k*x-k0*x)
print k,k0
可悲的是,输出:
-2639.75970458 -72.294275335
56444.9277867 -72.294275335
-350533.559366 -72.294275335
-315222.824967 -72.294275335
26481249.7869 -72.294275335
25795070.4808 -72.294275335
-329558179.012 -72.294275335
22212688252.9 -72.294275335
-2.2317104093e+11 -72.294275335
1.61788553661e+12 -72.294275335
k
以沮丧的速度偏离k0
: - (
我已经阅读了维基,谷歌以及本页右侧推荐的问题,但不知道:-(Tnanks很多
答案 0 :(得分:2)
让您的“学习率”(例如0.01)变小,迭代次数N
变大:
from random import uniform
learning_rate = 0.0001
N = 100
k, k0 = uniform(-100, 100), uniform(-100, 100)
for _ in range(N):
x = uniform(-100, 100)
k = k - learning_rate * x * (k * x - k0 * x)
print k, k0