선형 회귀 코드 구현
3074 단어 기계 학습
# -*- coding: utf-8 -*-
import numpy as np
import pylab
def Loss(b,m,x,y):
L1 = (y-m*x-b)**2
L2 = np.sum(L1,axis = 0)
return L2
def GD(m,b,learning_rate,x,y,data):
N = float(len(data))
for i in range(10000):
wcost_m = -(2/N) * x * (y - m*x - b)
wcost_b = -(2/N) * (y - m*x - b)
weifen_m = np.sum(wcost_m,axis = 0)
weifen_b = np.sum(wcost_b,axis = 0)
m = m - weifen_m * learning_rate
b = b - weifen_b * learning_rate
if i%1000==0:
#print m,b
print Loss(b,m,x,y)
return [m,b]
def plotfunction(x,y,intial_m,intial_b,learning_rate,data):
m_ok,b_ok = GD(intial_m,intial_b,learning_rate,x,y,data)
print m_ok,b_ok
yhat = m_ok * x + b_ok
pylab.plot(x,y,'o')
pylab.plot(x,yhat,'k-')
pylab.show()
def main():
intial_m = 0.0;
intial_b = 0.0;
learning_rate = 0.001
data =np.loadtxt('data.csv',delimiter=',')
x = data[:,0]
y = data[:,1]
print x,y
plotfunction(x,y,intial_m,intial_b,learning_rate,data)
if __name__ == '__main__':
main()
# ：python
# ：
# ：
# ：
# ：for
# ：
# ： 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:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
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.
좋은 웹페이지 즐겨찾기
