机器学习之用Python梯度下降法实现预测

有时候,不是因为你没有能力,也不是因为你缺少勇气,只是因为你付出的努力还太少,所以,成功便不会走向你。而你所需要做的,就是坚定你的梦想,你的目标,你的未来,然后以不达目的誓不罢休的那股劲,去付出你的努力,成功就会慢慢向你靠近。

导读:本篇文章讲解 机器学习之用Python梯度下降法实现预测,希望对大家有帮助,欢迎收藏,转发!站点地址:www.bmabk.com,来源:原文

贷款额度预测

在这里插入图片描述
求解:当工资18000、年龄30时,额度是多少?
由于房价和这个贷款相同,而贷款是多个参数所以只写这贷款即可。
老师写的代码!使用批量式梯度下降。
梯度下降法:

import numpy as np
import matplotlib.pyplot as plt

if __name__ == "__main__":

    # 1 获得x,y数据#  ##########
    X1 = (np.array([4000, 8000, 5000, 7500, 12000]))/10000
    X2 =(np.array([25, 30, 28, 33, 40]))/100
    y= np.array([20000, 70000, 35000, 50000, 85000])

    # 2 初始化参数  ##########
    w1 = np.zeros(1)
    w2 = np.zeros(1)
    b = np.zeros(1)

    # 3 根据样本更新参数
    plt.ion()
    lr = 0.5
    for iteration in range(100):

        # 初始化拟合
        y_pred = w1 * X1 + w2 * X2 + b

        # 梯度更新
        w_gradient1 = 0
        w_gradient2 = 0
        b_gradient = 0
        N = len(X1)
        for i in range(N):
            w_gradient1 += (w1 * X1[i] + w2 * X2[i] + b - y[i]) * X1[i]
            w_gradient2 += (w1 * X1[i] + w2 * X2[i] + b - y[i]) * X2[i]
            b_gradient += (w1 * X1[i] + w2 * X2[i] + b - y[i])
        w1 -= lr * w_gradient1/N
        w2 -= lr * w_gradient2/N
        b -= lr * b_gradient/N
        # 更新后拟合
        y_pred = w1 * X1 + w2 * X2 + b
        print("w1=  %f,w2=  %f,b= %f " % (w1, w2, b))
        # 显示
        print('finised %d iterations......\n' % iteration)
        s = w1*18000/10000+w2/100*30+b
        print("w1 is 18000 and w2 is 30, the result is %f" % s)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

文章由极客之音整理,本文链接:https://www.bmabk.com/index.php/post/147455.html

(0)
飞熊的头像飞熊bm

相关推荐

发表回复

登录后才能评论
极客之音——专业性很强的中文编程技术网站,欢迎收藏到浏览器,订阅我们!