o1 = 0 o2 = 0 o3 = 0 a = 0.002 x = [1,3,5,3,5,7,2,6,7,3,6,9,4,8,9,6,5,3,3,2,7,1,1,1,2,2,2,3,3,3,4,4,4,5,5,5,6,6,6,7,7,7,8,8,8,9,9,9] #生成訓練數據 x = x * 250 #將訓練數據擴大50倍 y = [] #生成訓練數據的理論結果 for i in range(int(len(x)/3)):y.append(14*x[i] + 5*x[i+1] + 58*x[i+2])# print('y[{}]:{}'.format(i,y[i])) #進行隨機梯度下降 每用一行數據，就下降一次，需要樣本足夠且，a值合理 for i in range(len(y)):o1 = o1 - a * (o1 * x[i] + o2 * x[i+1] + o3 * x[i+2] - y[i]) * x[i]o2 = o2 - a * (o1 * x[i] + o2 * x[i+1] + o3 * x[i+2] - y[i]) * x[i+1]o3 = o3 - a * (o1 * x[i] + o2 * x[i+1] + o3 * x[i+2] - y[i]) * x[i+2]print(o1 * x[i] + o2 * x[i+1] + o3 * x[i+2],y[i]) print(o1,o2,o3)

結果：

?

轉載于:https://www.cnblogs.com/cxhzy/p/10672676.html

總結

以上是生活随笔為你收集整理的机器学习之--梯度下降和最小二乘法算线性回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。