本文主要向大家介紹了機器學習入門之菜鳥之路——機器學習之非線性回歸個人理解及python實現，通過具體的內容向大家展現，希望對大家學習機器學習入門有所幫助。

梯度下降：就是讓數據順著梯度最大的方向，也就是函數導數最大的放下下降，使其快速的接近結果。

Cost函數等公式太長，不在這打了。網上多得是。

這個非線性回歸說白了就是縮小版的神經網絡。

python實現：

1?import?numpy?as?np

2?import?random

3

4?def?graientDescent(x,y,theta,alpha,m,numIterations):#梯度下降算法

5?????xTrain?=x.transpose()

6?????for?i?in?range(0,numIterations):#重復多少次

7?????????hypothesis=np.dot(x,theta)??????????#h函數

8?????????loss=hypothesis-y

9

10?????????cost=np.sum(loss**2)?/?(2*m)

11?????????print("Iteration?%d?/?cost:%f"%(i,cost))

12?????????graient=np.dot(xTrain,loss)/m

13?????????theta=theta-alpha*graient

14?????return?theta

15

16?def?getData(numPoints,bias,variance):#自己生成待處理數據

17?????x=np.zeros(shape=(numPoints,2))

18?????y=np.zeros(shape=numPoints)

19?????for?i?in?range(0,numPoints):

20?????????x[i][0]=1

21?????????x[i][1]?=?i

22?????????y[i]=(i+bias)+random.uniform(0,1)*variance

23?????return?x,y

24

25?X,Y=getData(100,25,10)

26?print("X:",X)

27?print("Y:",Y)

28

29?numIterations=100000

30?alpha=0.0005

31?theta=np.ones(X.shape[1])

32?theta=graientDescent(X,Y,theta,alpha,X.shape[0],numIterations)

33?print(theta)

運行結果：

......輸出數據太多，只截取后面十幾行

Iteration?99988?/?cost:3.930135Iteration?99989?/?cost:3.930135Iteration?99990?/?cost:3.930135Iteration?99991?/?cost:3.930135Iteration?99992?/?cost:3.930135Iteration?99993?/?cost:3.930135Iteration?99994?/?cost:3.930135Iteration?99995?/?cost:3.930135Iteration?99996?/?cost:3.930135Iteration?99997?/?cost:3.930135Iteration?99998?/?cost:3.930135Iteration?99999?/?cost:3.930135[30.54541676??0.99982553]

其中遇到一個錯誤。

TypeError:?unsupported?operand?type(s)?for?*:?‘builtin_function_or_method‘?and?‘float‘

因為我第五行xTrain?=x.transpose()。剛開始沒加括號。直接用的xTrain?=x.transpose

打印一下xTrain是

只是創建了一個transpose方法，并沒有真的給x轉置。加上括號就好了。再打印xTrain就能正常顯示轉置后的x了

本文由職坐標整理并發布，希望對同學們有所幫助。了解更多詳情請關注職坐標人工智能機器學習頻道！

總結

以上是生活随笔為你收集整理的python 非线性回归_机器学习入门之菜鸟之路——机器学习之非线性回归个人理解及python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。