梯度下降回归（梯度下降回归是是什么）

科技前沿 • 2025-04-23 22:30 • 阅读 25

大家好，我是讯享网，很高兴认识大家。

 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p></p>

讯享网

本文使用随机梯度下降，进行线性回归参数估计，多项式回归请参考多项式回归——梯度下降

梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。反过来，如果我们需要求解损失函数的最大值，这时就需要用梯度上升法来迭代了。在机器学习中，基于基本的梯度下降法发展了两种梯度下降方法，分别为随机梯度下降法和批量梯度下降法。

代码如下（示例）：

讯享网

代码如下（示例）：

该处使用的自定义数据集。

讯享网

3.1初始参数

代码如下（示例）：

讯享网

3.2计算最优参数

代码如下（示例）：

3.3计算训练集和测试集误差

代码如下（示例）：

讯享网

3.4评价模型

在这里插入图片描述

代码如下（示例）：

3.4输出结果并显示图像

代码如下（示例）：

讯享网

运行实现
在这里插入图片描述
结果分析：
没有跑出**结果。在循环0~次时训练集总误差下降明显，在次之后基本上在2.0上下浮动，出现此状况可能的原因有两个：1、训练结束的条件——训练集总误差的阈值选取有问题，本次程序代码中的训练集总误差阈值设置为1。2、评判模型有问题，我采用的是将目前得到的w,b带入到回归直线中计算。