matplotlib 경사도 하강 구 해 과정 그리 기
2000 단어 matplotlib경사도내려가다
다음은 경사도 하강 과정 에 대해 동 도 를 보 여 주 며 서로 다른 학습 율 을 수정 하고 효 과 를 볼 수 있 습 니 다.
import numpy as np
import matplotlib.pyplot as plt
from IPython import display
X = 2*np.random.rand(100,1)
y = 4+3*X+np.random.randn(100,1) # randn
X_b = np.c_[np.ones((100,1)),X] # c_ ,
eta = 0.1 #
n_iter = 1000 #
m = 100 #
theta = np.random.randn(2,1) #
plt.figure(figsize=(8,6))
mngr = plt.get_current_fig_manager() # figure manager
mngr.window.wm_geometry("+520+520") # ,
# , screentogif ,
plt.ion()#
plt.rcParams["font.sans-serif"] = "SimHei"#
for iter in range(n_iter):
plt.cla() #
gradients = 2/m*X_b.T.dot(X_b.dot(theta)-y)
theta = theta - eta*gradients
X_new = np.array([[0],[2]])
X_new_b = np.c_[np.ones((2,1)),X_new]
y_pred = X_new_b.dot(theta)
plt.axis([0,2,0,15])
plt.plot(X,y,"b.")
plt.plot(X_new,y_pred,"r-")
plt.title(" :{:.2f}".format(eta))
plt.pause(0.3) #
display.clear_output(wait=True)#
plt.ioff()#
plt.show()
학습 율:0.1,비교적 적합
학 습 률:0.02,수렴 이 느 려 졌 다.
학습 율:0.45,최 적 매개 변수 부근 에서 진동
학습 율:0.5,수렴 하지 않 음
matplotlib 의 경사도 하강 구 해 를 그 리 는 과정 에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 matplotlib 경사도 하강 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 찾 아 보 세 요.앞으로 많은 응원 바 랍 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
「수리계획법~선형계획법~」을 참고로 matplotlib와 WolframAlpha로 해보고 싶다.(오리지널 포스트) (참고) 선형 계획법 초입문 작업 중입니다. 정수에만 대응합니다. 공부중. 쉽게 3D 표시할 수 있습니까? 조언을 받으면 도움이됩니다. 완성형?을 찾고 있습니다. 잘 부탁드립니다. 정수해: {{x...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.