Notebook

摘要： 多项式基函数 梯度下降优化过程中，产生“梯度爆炸”，在第14轮运算溢出。 def gradient(phi_grad, y, w_init, lr=0.001, step_num=16): # lr 学习率; step_num 迭代次数 w_train = w_init for i in range 阅读全文

摘要： 通过基函数对元素数据进行交换，从而将变量间的线性回归模型转换为非线性回归模型。 最小二乘法 + 多项式基函数 最小二乘法 + 高斯基函数 def multinomial_basis(x, feature_num=10): x = np.expand_dims(x, axis=1) # shape(N 阅读全文

摘要： 实验结果： 源代码： import numpy as np import matplotlib.pyplot as plt def load_data(filename): # 载入数据 xys = [] with open(filename, 'r') as f: for line in f: x 阅读全文

摘要： 实验结果： 源代码： import numpy as np import matplotlib.pyplot as plt def load_data(filename): # 载入数据 xys = [] with open(filename, 'r') as f: for line in f: x 阅读全文

摘要： 实验1：线性回归的参数优化-最小二乘法 1 最小二乘法原理 基于均方误差最小化进行模型求解。 线性回归中，试图找到一条直线，使所有样本到直线的欧氏距离之和最小。（西瓜书P54） 图源：NNDL P34 2 最小二乘法优化公式 (参考书中第二章 2.3中的公式)，在main（）中利用训练集训练模型的参 阅读全文

摘要： 说明 请按照填空顺序编号分别完成 参数优化，不同基函数的实现 import numpy as np import matplotlib.pyplot as plt def load_data(filename): """载入数据。""" xys = [] with open(filename, 'r 阅读全文

摘要： numpy 练习题 numpy 的array操作 1.导入numpy库 2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型（type）(2)输出a的各维度的大小（shape）(3)输出 a的第一个元素（值为4） 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 阅读全文