机器学习：批量梯度下降法（BGD）

阅读量：

前言

本篇文章重点阐述批量梯度下降算法及其对应实现代码。
主要执行步骤包括：
首先进行梯度的计算，随后对梯度进行批量累加求和，接着完成参数的更新操作，再计算当前与前一次迭代过程中的损失差异，判断该差异是否低于设定的阈值，若满足条件则终止循环，否则更新当前误差值并继续进入下一轮次的迭代运算。

提示：以下为本文的核心内容部分，相关示例可供借鉴

一、批量梯度下降相关理论

相关内容将在后续版本中进行补充与完善！！！

二、代码

1.实例1

以下为示例代码的展示内容：

复制代码

    # y = theta0 + theta1*x  ---->x0=1
    X = [4, 8, 5, 10, 12]
    y = [20, 50, 30, 70, 60]
    
    # 初始值
    theta0 = theta1 = 0
    
    # 学习率
    alpha = 0.001
    # 迭代次数
    cnt = 0
    
    # 误差
    error0 = error1 = 0
    
    # 指定阈值，以便检查两次误差的差，以便停止迭代
    threshold = 0.0000001
    
    while True:
    # 梯度 diff[

全部评论 (0)

还没有任何评论哟~