没有合适的资源?快使用搜索试试~ 我知道了~
浅谈matplotlib 绘制梯度下降求解过程
1 下载量 177 浏览量
2020-12-17
08:39:47
上传
评论
收藏 96KB PDF 举报
温馨提示
试读
4页
机器学习过程中经常需要可视化,有助于加强对模型和参数的理解。 下面对梯度下降过程进行动图演示,可以修改不同的学习率,观看效果。 import numpy as np import matplotlib.pyplot as plt from IPython import display X = 2*np.random.rand(100,1) y = 4+3*X+np.random.randn(100,1) # randn正态分布 X_b = np.c_[np.ones((100,1)),X] # c_行数相等,左右拼接 eta = 0.1 # 学习率 n_iter = 1000 # 迭代次数
资源详情
资源评论
资源推荐
浅谈浅谈matplotlib 绘制梯度下降求解过程绘制梯度下降求解过程
机器学习过程中经常需要可视化,有助于加强对模型和参数的理解。
下面对梯度下降过程进行动图演示,可以修改不同的学习率,观看效果。
import numpy as np
import matplotlib.pyplot as plt
from IPython import display
X = 2*np.random.rand(100,1)
y = 4+3*X+np.random.randn(100,1) # randn正态分布
X_b = np.c_[np.ones((100,1)),X] # c_行数相等,左右拼接
eta = 0.1 # 学习率
n_iter = 1000 # 迭代次数
m = 100 # 样本点个数
theta = np.random.randn(2,1) # 参数初始值
plt.figure(figsize=(8,6))
mngr = plt.get_current_fig_manager() # 获取当前figure manager
mngr.window.wm_geometry("+520+520") # 调整窗口在屏幕上弹出的位置,注意写在打开交互模式之前
# 上面固定窗口,方便screentogif定位录制,只会这种弱弱的方法
plt.ion()# 打开交互模式
plt.rcParams["font.sans-serif"] = "SimHei"# 消除中文乱码
for iter in range(n_iter):
plt.cla() # 清除原图像
gradients = 2/m*X_b.T.dot(X_b.dot(theta)-y)
theta = theta - eta*gradients
X_new = np.array([[0],[2]])
X_new_b = np.c_[np.ones((2,1)),X_new] y_pred = X_new_b.dot(theta)
plt.axis([0,2,0,15])
plt.plot(X,y,"b.")
plt.plot(X_new,y_pred,"r-")
plt.title("学习率:{:.2f}".format(eta))
plt.pause(0.3) # 暂停一会
display.clear_output(wait=True)# 刷新图像
plt.ioff()# 关闭交互模式
plt.show()
weixin_38596413
- 粉丝: 6
- 资源: 956
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0