欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python梯度下降法的簡單示例

 更新時間:2018年08月31日 10:39:25   作者:小城印象  
這篇文章主要為大家詳細介紹了Python梯度下降法的簡單示例,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下

梯度下降法的原理和公式這里不講,就是一個直觀的、易于理解的簡單例子。

1.最簡單的情況,樣本只有一個變量,即簡單的(x,y)。多變量的則可為使用體重或身高判斷男女(這是假設,并不嚴謹),則變量有兩個,一個是體重,一個是身高,則可表示為(x1,x2,y),即一個目標值有兩個屬性。

2.單個變量的情況最簡單的就是,函數(shù)hk(x)=k*x這條直線(注意:這里k也是變化的,我們的目的就是求一個最優(yōu)的   k)。而深度學習中,我們是不知道函數(shù)的,也就是不知道上述的k。   這里討論單變量的情況:

在不知道k的情況下,我們是通過樣本(x1,y1),(x2,y2),(xn,yn)來獲取k。獲取的k的好壞則有損失函數(shù)來衡量。

損失函數(shù):就是你預測的值和真實值的差異大?。ū热缫粋€樣本(1,1)他的真實值是1,而你預測的是0.5,則差異   比較大,如果你預測值為0.9999,則差異就比較小了)。

損失函數(shù)為定義如下(此處為單變量的情況)

目的是求使損失函數(shù)最小的變量k(注意和變量x區(qū)分),則將損失函數(shù)對k求導(多變量時為求偏導得梯度,這里單變量求導,其實不算梯度),求偏導如下:

然后迭代,迭代時有個步長alpha,(深度學習中貌似叫學習率)

3.例子

假如我們得到樣本(1,1),(2,2),(3,3).其實,由這三個樣本可以得到函數(shù)為y = 1*x。此時損失函數(shù)為0.而機器是不知道的,所以我們需要訓練。

下面是一段python代碼。

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(-5, 5, 0.001)
y=(((x-1)*(x-1)+(x*2-2)*(x*2-2)+(x*3-3)*(x*3-3))*1/6.0)
plt.plot(x,y) 
#plt.show() #顯示圖形 
 

def sum(x):
 return ((x*1-1)*1+(x*2-2)*2+(x*3-3)*3)
def fun(x):
 return ((1/3.0)*sum(x))
old = 0
new = 5
step = 0.01
pre = 0.00000001
 
def src_fun(x):
 print(((x-1)*(x-1)+(x*2-2)*(x*2-2)+(x*3-3)*(x*3-3))*1/6.0)
 
while abs(new-old)>pre:
 old = new
 #src_fun(old)  #輸出每次迭代的損失值
 new = new - step*fun(old)
 
 
print(new)
print(src_fun(new))

下圖是損失函數(shù)的圖像,損失函數(shù)中變量是k。下圖橫坐標為k的不同取值,縱軸為對應的損失大小。由下圖可以大致看出,當k為1時,損失函數(shù)值為0。注意:這里取的最優(yōu)值k=1是在我們已有樣本的情況下得出的,樣本不同,k值自然不同。

下面是print(new)和print(src_fun(new))的輸出結果

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關文章

  • Python可視化學習之seaborn繪制矩陣圖詳解

    Python可視化學習之seaborn繪制矩陣圖詳解

    矩陣圖即用一張圖繪制多個變量之間的關系,數(shù)據(jù)挖掘中常用于初期數(shù)據(jù)探索。本文介紹python中seaborn.pairplot和seaborn.PairGrid繪制矩陣圖,需要的可以參考一下
    2022-02-02
  • Python調整matplotlib圖片大小的3種方法匯總

    Python調整matplotlib圖片大小的3種方法匯總

    我們在使用matplotlib作圖時,會遇到圖片不清晰或者圖片大小不是我們想要的,這個時候就需要調整下,這篇文章主要給大家介紹了關于Python調整matplotlib圖片大小的3種方法,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下
    2022-08-08
  • python?requests.post請求404問題及解決方法

    python?requests.post請求404問題及解決方法

    這篇文章主要介紹了python?requests.post請求404問題,這里需要根據(jù)自己實際情況來分析當前接口接收數(shù)據(jù)時使用的是什么格式,但目前一般的網(wǎng)站都開始采用application/jsond的數(shù)據(jù)格式,本文通過圖文并茂的形式給大家介紹的非常詳細,需要的朋友可以參考下
    2022-09-09
  • Keras實現(xiàn)將兩個模型連接到一起

    Keras實現(xiàn)將兩個模型連接到一起

    這篇文章主要介紹了Keras實現(xiàn)將兩個模型連接到一起,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • python程序調用遠程服務的步驟詳解

    python程序調用遠程服務的步驟詳解

    這篇文章主要介紹了python程序調用遠程服務的步驟詳解,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧
    2021-03-03
  • python+selenium實現(xiàn)自動化百度搜索關鍵詞

    python+selenium實現(xiàn)自動化百度搜索關鍵詞

    在本篇文章里我們給大家分享了一篇關于python+selenium實現(xiàn)自動化百度搜索關鍵詞的實例文章,需要的朋友們可以跟著操作下。
    2019-06-06
  • Python Pandas處理CSV文件的常用技巧分享

    Python Pandas處理CSV文件的常用技巧分享

    這篇文章主要和大家分享幾個Python Pandas中處理CSV文件的常用技巧,如:統(tǒng)計列值出現(xiàn)的次數(shù)、篩選特定列值、遍歷數(shù)據(jù)行等,需要的可以參考一下
    2022-06-06
  • python之matplotlib矢量圖svg?emf

    python之matplotlib矢量圖svg?emf

    這篇文章主要介紹了python之matplotlib矢量圖svg?emf,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-09-09
  • 對pandas進行數(shù)據(jù)預處理的實例講解

    對pandas進行數(shù)據(jù)預處理的實例講解

    下面小編就為大家分享一篇對pandas進行數(shù)據(jù)預處理的實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • Python使用textract實現(xiàn)從各種文件中提取文本信息

    Python使用textract實現(xiàn)從各種文件中提取文本信息

    textract是一個強大的Python庫,可以用于從各種文件格式中提取文本,本文將介紹textract的使用場景,以及一些常用的Python代碼案例,希望對大家有所幫助
    2024-01-01

最新評論