Question

我为python做了一个简单的渐变下降实现，它适用于大多数参数，但是对于学习速率和迭代次数的某些参数，它给我一个运行时错误。

RuntimeWarning：在double_scalars中遇到溢出

RuntimeWarning：double_scalars中遇到无效值

现在我正在假设，因为它有一个点，其中b和m值变得太大而无法存储在内存中，因为存在溢出错误，这个假设是否正确？

我如何防止程序崩溃，因为主程序中的异常处理似乎不起作用，你能想到一种没有异常处理的方法来逻辑上防止错误吗？

def compute_error(points,b,m):
    error = 0
    for i in range(len(points)):
        y = ponts[i][1]
        x = points[i][0]
        error +=  (y - (m*x + b))**2
    return error/len(points)

def gradient_runner(points,LR,num_iter,startB=0,startM=0):
    b = startB
    m = startM
    for i in range(num_iter):
        b,m = step_gradient(points,b,m,LR)
    return [b,m]

def step_gradient(points,b,m,LR):
    b_gradient = 0
    m_gradient = 0
    N = float(len(points))
    for i in range(len(points)):
        x = points[i][0]
        y = points[i][1]
        b_gradient+= (-2/N)*(y - ((m*x)+b))
        m_gradient+= (-2/N)*x*(y - ((m*x)+b))
##    print "Value for b_gradient",b_gradient
##    print "Value for b is ",b
##    print "Value for learning rate is ",LR
    new_b = b - (LR * b_gradient)
    new_m = m - (LR * m_gradient)
    return [new_b,new_m]    

import numpy as np
a = np.array([[1,1],[4,2],[6,3],[8,4],[11,5],[12,6],[13,7],[16,8]])

b,m=gradient_runner(a,0.0001,1000) # These parameters work
# b,m=gradient_runner(a,0.1,10000) #Program Crashes
yguesses = [m * i + b for i in a[:,0]]


import matplotlib.pyplot as plt

guezz= yguesses

plt.scatter(a[:,0], a[:,1] ,color="green")
plt.plot(a[:,0],guezz,color="red")

plt.show()

Answer 1

问题在于学习率＆＃39; LR（仅通过改变LR进行测试 - 你会发现如果你足够低，算法会收敛）。由于LR的值过高，每次都会采取太大的步骤（想象一下，你会跳过每一步的正确值）。有办法计算最大步长应该是多少。谷歌一点点（例如＆＃34;梯度下降步长＆＃34;）。

但是，正如您所注意到的，如果您遇到溢出，结果很可能是错误的。在Python中，您可以使用catch warnings来告诉用户结果是错误的。

渐变下降运行时错误

1 个答案: