生活随笔
收集整理的這篇文章主要介紹了
梯度下降法原理及实现
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
梯度下降代表函數值減少速度最快的方向。當設定目標函數最小值時，只要朝著梯度下降的方向前進，就可以不斷的逼近最優值
#encoding=utf-8????"""?????created?on?2018-08-12?????@author?wt?"""????"""?????利用隨機梯度法，首先需要有一個函數，隨便找一個函數f(x)?=?x^2-4*x+4,則f'(x)=2*x-4?"""??import?numpy?as?np??import?matplotlib.pyplot?as?plt??????def?f(x):??????return?x*x-4*x+4????def?f1(x):??????return?2*x-4????def?Grandient_Descent(start_x,learning_rate,f):??????x?=?start_x??????for?i?in?range(20):??????????grad?=?f(x)??????????x?-=?grad*learning_rate??????????print(i,grad,x)??????????if?abs(grad)?<?1e-10:??????????????break??????return?x????Grandient_Descent(5,0.1,f)????x?=?np.linspace(-10,13,1000)??y?=?f(x)??plt.plot(x,y)??plt.show()??可以看出x不斷的隨著梯度值再下降注意：隨機梯度下降法中，步長設定值要小于安全步長，否則不論初始值等于多少，問題都會收斂不到最優值或者原地打轉例如：根據上面的公式：x=5,f1(x)=6? ?－> x' = 5-6*step ,f1(x')=2*(5-6*step)-4 －> x'-f1(x')*step = x=5 求解y=1 安全步長為1
總結
以上是生活随笔為你收集整理的梯度下降法原理及实现的全部內容，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。
