注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. python梯度下降算法的实现

  2. 主要为大家详细介绍了python实现梯度下降算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：45056
    • 提供者：weixin_38722193

  1. python使用梯度下降算法实现一个多线性回归

  2. 主要为大家详细介绍了python使用梯度下降算法实现一个多线性回归，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：97280
    • 提供者：weixin_38653878

  1. python实现梯度下降算法的实例详解

  2. 在本篇文章里小编给大家整理的是一篇关于python实现梯度下降算法的实例详解内容，需要的朋友们可以参考下。

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：231424
    • 提供者：weixin_38746515

  1. 梯度下降法介绍及利用Python实现的方法示例

  2. 梯度下降算法是一个很基本的算法，在机器学习和优化中有着非常重要的作用，下面这篇文章主要给大家介绍了关于利用Python实现梯度下降法的相关资料，对大家具有一定的参考学习价值，需要的朋友们下面来一起看看吧。

  3. 所属分类：其它

    • 发布日期：2020-09-21
    • 文件大小：295936
    • 提供者：weixin_38517904

  1. python实现梯度下降算法

  2. 主要为大家详细介绍了python实现梯度下降算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：258048
    • 提供者：weixin_38625351

  1. Python实现的线性回归算法示例【附csv文件下载】

  2. 主要介绍了Python实现的线性回归算法,涉及Python使用最小二乘法、梯度下降算法实现线性回归相关算法操作与使用技巧,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：116736
    • 提供者：weixin_38688145

  1. python实现梯度下降算法的实例详解

  2. python版本选择 这里选的python版本是2.7，因为我之前用python3试了几次，发现在画3d图的时候会报错，所以改用了2.7。 数据集选择 数据集我选了一个包含两个变量，三个参数的数据集，这样可以画出3d图形对结果进行验证。 部分函数总结 symbols()函数：首先要安装sympy库才可以使用。用法： >>> x1 = symbols('x2') >>> x1 + 1 x2 + 1 在这个例子中，x1和x2是不一样的，x2代表的是一个函数的变量

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：228352
    • 提供者：weixin_38592420

  1. python 还原梯度下降算法实现一维线性回归

  2. 首先我们看公式： 这个是要拟合的函数 然后我们求出它的损失函数， 注意：这里的n和m均为数据集的长度，写的时候忘了 注意，前面的theta0-theta1x是实际值，后面的y是期望值 接着我们求出损失函数的偏导数： 最终，梯度下降的算法： 学习率一般小于1，当损失函数是0时，我们输出theta0和theta1. 接下来上代码！ class LinearRegression(): def __init__(self, data, theta0, theta1, lea

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：221184
    • 提供者：weixin_38567873

  1. python实现梯度下降算法

  2. 梯度下降（Gradient Descent）算法是机器学习中使用非常广泛的优化算法。当前流行的机器学习库或者深度学习库都会包括梯度下降算法的不同变种实现。 本文主要以线性回归算法损失函数求极小值来说明如何使用梯度下降算法并给出python实现。若有不正确的地方，希望读者能指出。  梯度下降 梯度下降原理：将函数比作一座山，我们站在某个山坡上，往四周看，从哪个方向向下走一小步，能够下降的最快。 在线性回归算法中，损失函数为 在求极小值时，在数据量很小的时候，可以使用矩阵求逆的方式求最优的θ值。

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：259072
    • 提供者：weixin_38648037

  1. python实现随机梯度下降法

  2. 看这篇文章前强烈建议你看看上一篇python实现梯度下降法： 一、为什么要提出随机梯度下降算法 注意看梯度下降法权值的更新方式（推导过程在上一篇文章中有）  也就是说每次更新权值都需要遍历整个数据集（注意那个求和符号），当数据量小的时候，我们还能够接受这种算法，一旦数据量过大，那么使用该方法会使得收敛过程极度缓慢，并且当存在多个局部极小值时，无法保证搜索到全局最优解。为了解决这样的问题，引入了梯度下降法的进阶形式：随机梯度下降法。 二、核心思想 对于权值的更新不再通过遍历全部的数据集，而是选择

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：70656
    • 提供者：weixin_38618094

  1. Python实现简单遗传算法(SGA)

  2. 本文用Python3完整实现了简单遗传算法(SGA) Simple Genetic Alogrithm是模拟生物进化过程而提出的一种优化算法。SGA采用随机导向搜索全局最优解或者说近似全局最优解。传统的爬山算法(例如梯度下降，牛顿法)一次只优化一个解，并且对于多峰的目标函数很容易陷入局部最优解，而SGA算法一次优化一个种群(即一次优化多个解)，SGA比传统的爬山算法更容易收敛到全局最优解或者近似全局最优解。 SGA基本流程如下: 1、对问题的解进行二进制编码。编码涉及精度的问题，在本例中精度

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：137216
    • 提供者：weixin_38672962

  1. python+numpy+matplotalib实现梯度下降法

  2. 这个阶段一直在做和梯度一类算法相关的东西，索性在这儿做个汇总， 一、算法论述 梯度下降法(gradient  descent)别名最速下降法（曾经我以为这是两个不同的算法-.-）,是用来求解无约束最优化问题的一种常用算法。下面以求解线性回归为题来叙述： 设：一般的线性回归方程（拟合函数）为：（其中的值为1）    则这一组向量参数选择的好与坏就需要一个机制来评估，据此我们提出了其损失函数为(选择均方误差)： 我们现在的目的就是使得损失函数取得最小值，即目标函数为： 如果的值取到了0，意味着我

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：219136
    • 提供者：weixin_38694006

  1. python实现BackPropagation算法

  2. 实现神经网络的权重和偏置更新，很重要的一部就是使用BackPropagation（反向传播）算法。具体来说，反向传播算法就是用误差的反向传播来计算w（权重）和b（偏置）相对于目标函数的导数，这样就可以在原来的w，b的基础上减去偏导数来更新。其中我上次写的python实现梯度下降中有一个函数backprop(x,y)就是用来实现反向传播的算法。（注：代码并非自己总结，github上有这个代码的实现https://github.com/LCAIZJ/neural-networks-and-deep-

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：34816
    • 提供者：weixin_38659527

  1. 机器学习入门 — 根据推导公式使用Python实现梯度下降与逻辑回归

  2. 关于梯度下降与逻辑回归，我在之前的文章中已经写过了公式推导，本文中将用python代码进行实现并做简单的实验 机器学习入门 — 梯度下降原理 机器学习入门 — 逻辑回归算法 案例概述 在这里我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。此大学会根据两次考试的结果来决定每个申请人的录取机会。大学里有以前的申请人的历史数据，可以用它作为逻辑回归的训练集。对于每一个学生例子，有两个考试的申请人的分数和录取决定。为了做到这一点，我们将建立一个分类模型，根据考试成绩估计入学概率。 数据准备 im

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：279552
    • 提供者：weixin_38547397

  1. python应用Axes3D绘图（批量梯度下降算法）

  2. 本文实例为大家分享了python批量梯度下降算法的具体代码，供大家参考，具体内容如下 问题： 将拥有两个自变量的二阶函数绘制到空间坐标系中，并通过批量梯度下降算法找到并绘制其极值点 大体思路： 首先，根据题意确定目标函数：f(w1,w2) = w1^2 + w2^2 + 2 w1 w2 + 500 然后，针对w1,w2分别求偏导，编写主方法求极值点 而后，创建三维坐标系绘制函数图像以及其极值点即可 具体代码实现以及成像结果如下： import numpy as np import matplo

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：55296
    • 提供者：weixin_38635449

  1. python使用梯度下降算法实现一个多线性回归

  2. python使用梯度下降算法实现一个多线性回归，供大家参考，具体内容如下 图示： import pandas as pd import matplotlib.pylab as plt import numpy as np # Read data from csv pga = pd.read_csv("D:\python3\data\Test.csv") # Normalize the data 归一化值 (x - mean) / (std) pga.AT = (pga.AT - pga.A

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：97280
    • 提供者：weixin_38728555

  1. python梯度下降算法的实现

  2. 本文实例为大家分享了python实现梯度下降算法的具体代码，供大家参考，具体内容如下 简介 本文使用python实现了梯度下降算法，支持y = Wx+b的线性回归 目前支持批量梯度算法和随机梯度下降算法(bs=1) 也支持输入特征向量的x维度小于3的图像可视化 代码要求python版本>3.4 代码 ''' 梯度下降算法 Batch Gradient Descent Stochastic Gradient Descent SGD ''' __author__ = 'epleo

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：44032
    • 提供者：weixin_38734276

  1. Python实现机器学习算法

  2. 本文来自于CSDN，介绍了机器学习算法Python实现的逻辑回归、BP神经网络、K-Means聚类算法以及多元高斯分布等相关知识。其中：下面就是要求出theta，使代价最小，即代表我们拟合出来的方程距离真实值最近共有m条数据，其中代表我们要拟合出来的方程到真实值距离的平方，平方的原因是因为可能有负值，正负可能会抵消前面有系数2的原因是下面求梯度是对每个变量求偏导，2可以消去实现代码：注意这里的X是真实数据前加了一列1，因为有theta(0)代价函数对求偏导得到：所以对theta的更新可以写为：其

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：8388608
    • 提供者：weixin_38663608

  1. 梯度下降：使用python实现梯度下降。 我在BYU数学专业的python编码实验室Math 495R中完成了这个项目-源码

  2. 描述 该项目实现了两种不同的一维优化方法，牛顿法和梯度下降法。 牛顿法 牛顿法是一种求根算法，可以对实值函数的根（或零）连续产生更好的近似值。 在该项目中，我对输入函数的一阶导数实施牛顿方法，以识别输入函数的潜在最小和最大值。 牛顿法由下面的函数递归定义。 梯度下降 当二阶导数为正数时，牛顿法效果很好，但是当二阶导数为负数时，牛顿法有时无法收敛。 梯度下降是一种更有效的优化算法，它朝最大减小方向迈进，直到收敛到最小。 步长基于学习率，该学习率是使用从python包scipy导入的一维优化函数找

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：3072
    • 提供者：weixin_42146086

  1. python实现logistic分类算法代码

  2. 最近在看吴恩达的机器学习课程，自己用python实现了其中的logistic算法，并用梯度下降获取最优值。 logistic分类是一个二分类问题，而我们的线性回归函数 的取值在负无穷到正无穷之间，对于分类问题而言，我们希望假设函数的取值在0~1之间，因此logistic函数的假设函数需要改造一下 由上面的公式可以看出，0 < h(x) < 1，这样，我们可以以1/2为分界线 cost function可以这样定义 其中，m是样本的数量，初始时θ可以随机给定一个初始值，算出一个

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：106496
    • 提供者：weixin_38686041
« 12 3 4 »