机器学习之逐次下降法
来源:互联网 发布:焦点访谈神乎大道堂 编辑:程序博客网 时间:2024/05/16 06:05
逐次下降法的定义:
- 对于给定的方程组,使用公式:
其中k为迭代次数(k=0,1,2,…)
逐步代入求近似解的方法称为迭代法 - 如果存在(记为),称此迭代法收敛,显然就是方程组的解,否则称此迭代法发散。
- 研究{}的收敛性。引进误差向量:
得到:
递推得到:
要考察{}的收敛性,就要研究B在或的条件。
下面给出Python实现
import numpy as npfrom numpy import *from common_libs import * #使用散点图绘制函数import matplotlib.pyplot as plt#消元发求解方程组的解#求解元方程def method_nomal(): A =mat([[8,-3,2], [4,11,-1], [6,3,12]]) b=mat([20,33,36]) result = linalg.solve(A,b.T) print result#迭代法进行计算def interationMethod(n,B0,f): error = 1.0e-6 # 迭代阈值 steps = 100 # 迭代次数 xk=zeros((n,1))`` errorlist=[] for i in range(steps): xk_1=xk xk=B0*xk+f errorlist.append(linalg.norm(xk_1-xk)) if errorlist[-1]<error: print i+1 break print xk # 绘制散点图 matpts= zeros((2,i+1)) matpts[0]=linspace(1,i+1,i+1) print matpts[0] matpts[1]=array(errorlist) drawScatter(plt,matpts) plt.show()B0 = mat([[0.0,3.0/8.0,-2.0/8.0],[-4.0/11.0,0.0,1.0/11.0],[-6.0/12.0,-3.0/12.0,0.0]])m,n = shape(B0)f = mat([[20.0/8.0],[33.0/11.0],[36.0/12.0]])interationMethod(n,B0,f)
阅读全文
0 0
- 机器学习之逐次下降法
- 机器学习之梯度下降法
- 机器学习系列之梯度下降法
- 机器学习之梯度下降法
- 机器学习算法之梯度下降法
- 机器学习之梯度下降
- 机器学习--监督学习之梯度下降法
- 机器学习----梯度下降法
- 机器学习--梯度下降法
- 机器学习---梯度下降法
- 机器学习-梯度下降法
- 机器学习之梯度下降法数学推导--回归
- 机器学习之梯度下降法数学推导--分类
- 机器学习之梯度下降学习笔记
- 机器学习之梯度下降算法
- 机器学习笔记之梯度下降
- 【机器学习】最速下降法和牛顿下降法
- 机器学习之梯度下降、批量梯度下降与随机梯度下降
- MOOC清华《面向对象程序设计》第7章:统计考试及格率v2.0(采用迭代器、容器、模板方法)
- Play a game(巴什博弈丶找规律)
- Android进阶之View体系
- 九度[1107]-搬水果
- 读写分离 主从复制
- 机器学习之逐次下降法
- 111. Minimum Depth of Binary Tree
- svn的搭建安装和使用-简明教程
- 20个高效正则表达式
- 基于Skip-Gram的Word2Vec神经网络实现
- RegQueryValueExW errorcode=2
- Nginx基本配置、性能优化指南
- WebSocket介绍,与Socket的区别
- log4j日志记录