【机器学习】作业 Exam1

线性回归预测

唉,研0了,得学机器学习了。当然还是听的吴恩达老师的课,虽然全是英文,但是,怎么评价呢,讲得既专业又通俗易懂,初学者(像我这样的菜鸡)都值得一看!!

根据人口预测利润 输入变量只有一个特征 人口,输出变量为利润

很基础的东西,跟着老师来,lab里面都已经给你写好了。

python 复制代码
import pandas as pd
from matplotlib import pyplot as plt

# 损失函数
def compute_loss(x, y, w, b):
    m = x.shape[0]
    sum = 0.
    for i in range(m):
        sum += (w * x[i] + b - y[i]) ** 2
    return sum / m

# 梯度下降
def gradient_descent(x, y, w, b, eta, iterations):
    m = x.shape[0]
    loss_history = []
    for _ in range(iterations):
        sum_w = 0.
        sum_b = 0.
        for i in range(m):
            sum_w += (w * x[i] + b - y[i]) * x[i]
            sum_b += (w * x[i] + b - y[i])
        new_w = w - eta * sum_w / m
        new_b = b - eta * sum_b / m
        w = new_w
        b = new_b
        loss_history.append(compute_loss(x, y, w, b))
    return w, b, loss_history

if __name__ == '__main__':
    data = pd.read_csv(r'D:\BaiduNetdiskDownload\data_sets\ex1data1.txt', names=["x", "y"])
    x = data['x']
    y = data['y']

    w, b, loss_history = gradient_descent(x, y, 0, 0, 0.01, 1000)
    epochs = range(len(loss_history))
    print(w, b)
    # 打印图标
    plt.plot(epochs, loss_history, color='red', label='loss')
    # plt.plot(x, w * x + b, color='red')
    # plt.scatter(x, y, color='blue')
    plt.show()
几个图表

损失:

回归预测:

我的预期:

w : 1.1272942024281842, b : -3.241402144274422

相关推荐
果冻人工智能5 分钟前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工7 分钟前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
石小石Orz9 分钟前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
罗小罗同学15 分钟前
医工交叉入门书籍分享:Transformer模型在机器学习领域的应用|个人观点·24-11-22
深度学习·机器学习·transformer
孤独且没人爱的纸鹤18 分钟前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭21 分钟前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~21 分钟前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码28 分钟前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng113328 分钟前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike29 分钟前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习