python梯度下降法的简单示例
梯度下降法的原理和公式这里不讲，就是一个直观的、易于理解的简单例子。
1.最简单的情况，样本只有一个变量，即简单的（x，y）。多变量的则可为使用体重或身高判断男女（这是假设，并不严谨），则变量有两个，一个是体重，一个是身高，则可表示为(x1,x2,y),即一个目标值有两个属性。
2.单个变量的情况最简单的就是，函数hk(x)=k*x这条直线(注意：这里k也是变化的，我们的目的就是求一个最优的 k)。而深度学习中，我们是不知道函数的，也就是不知道上述的k。 这里讨论单变量的情况：
在不知道k的情况下，我们是通过样本(x1,y1),(x2,y2)，(xn,yn)来获取k。获取的k的好坏则有损失函数来衡量。
损失函数：就是你预测的值和真实值的差异大小（比如一个样本（1，1）他的真实值是1，而你预测的是0.5，则差异 比较大，如果你预测值为0.9999，则差异就比较小了）。
损失函数为定义如下（此处为单变量的情况）
目的是求使损失函数最小的变量k（注意和变量x区分），则将损失函数对k求导（多变量时为求偏导得梯度，这里单变量求导，其实不算梯度），求偏导如下：
然后迭代，迭代时有个步长alpha,(深度学习中貌似叫学习率)
3.例子
假如我们得到样本(1,1),(2,2),(3,3).其实，由这三个样本可以得到函数为y = 1*x。此时损失函数为0.而机器是不知道的，所以我们需要训练。
下面是一段python代码。
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() #显示图形 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) #输出每次迭代的损失值 new = new - step*fun(old) print(new) print(src_fun(new))
下图是损失函数的图像，损失函数中变量是k。下图横坐标为k的不同取值，纵轴为对应的损失大小。由下图可以大致看出，当k为1时，损失函数值为0。注意：这里取的最优值k=1是在我们已有样本的情况下得出的,样本不同，k值自然不同。
下面是print(new)和print(src_fun(new))的输出结果
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
矩阵图即用一张图绘制多个变量之间的关系，数据挖掘中常用于初期数据探索。本文介绍python中seaborn.pairplot和seaborn.PairGrid绘制矩阵图，需要的可以参考一下2022-02-02
我们在使用matplotlib作图时,会遇到图片不清晰或者图片大小不是我们想要的,这个时候就需要调整下,这篇文章主要给大家介绍了关于Python调整matplotlib图片大小的3种方法,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-08-08
python requests.post请求404问题及解决方法
这篇文章主要介绍了python requests.post请求404问题,这里需要根据自己实际情况来分析当前接口接收数据时使用的是什么格式，但目前一般的网站都开始采用application/jsond的数据格式，本文通过图文并茂的形式给大家介绍的非常详细，需要的朋友可以参考下2022-09-09
这篇文章主要介绍了Keras实现将两个模型连接到一起，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
这篇文章主要介绍了python程序调用远程服务的步骤详解，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友参考下吧2021-03-03
在本篇文章里我们给大家分享了一篇关于python+selenium实现自动化百度搜索关键词的实例文章，需要的朋友们可以跟着操作下。2019-06-06
这篇文章主要和大家分享几个Python Pandas中处理CSV文件的常用技巧，如：统计列值出现的次数、筛选特定列值、遍历数据行等，需要的可以参考一下2022-06-06
这篇文章主要介绍了python之matplotlib矢量图svg emf,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
下面小编就为大家分享一篇对pandas进行数据预处理的实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
Python使用textract实现从各种文件中提取文本信息
textract是一个强大的Python库,可以用于从各种文件格式中提取文本,本文将介绍textract的使用场景,以及一些常用的Python代码案例,希望对大家有所帮助2024-01-01
最新评论