机器学习之梯度下降算法Gradient Descent
来源:互联网 发布:jsonrpc4j javascript 编辑:程序博客网 时间:2024/05/09 00:32
梯度下降算法:
机器学习实现关键在于对参数的磨合,其中最关键的两个数:代价函数J(θ),代价函数对θ的求导∂J/∂θj。
如果知道这两个数,就能对参数进行磨合了:其中α 为每步调整的幅度。
其中代价函数公式J(θ):
代价函数对θ的求导∂J/∂θj:通过不断减低代价函数而得到准确的参数。
例如:
算法运行过程:给定初始参数p0,p1,通过算法一步一步调整P0,P1,使得J变小。
梯度下降算法适用范围:监督学习。
监督学习有两类问题:1.回归问题。2.分类问题。
1回归问题。
如房价预测。y = x1p1+x2p2+x3p3...;
计算代价函数时h(x) = x1p1+x2p2+x3p3...
2分类问题
如良性恶性肿瘤预测。y = sigmoid( x1p1+x2p2+x3p3....)有关;其中sigmoid(x) = 1/(1+ exp(-x))
cost J : = -log(h(x) ) if y = 1;
-log(1-h(x)) if y =0;
结合起来可得
MATLAB编码过程:
1.录入数据:
data = load('data.txt');
X = data(:, 1); y = data(:, 2);
X = [ones(m, 1), data(:,1)]; % Add a column of ones to x
2.计算代价函数cost funtion:
回归问题:J = sum((sum(theta' .* X,2) - y).^2)/(2*m);其中(sum(theta' .* X,2)为h(x)
分类问题:J = sum(-y.*log(sigmoid(sum((theta' .* X),2))) - (1-y).*log(1-sigmoid(sum((theta' .* X),2))))/m;
3.执行gradient Descent梯度下降算法:
预设参数theta,调整幅度alpha,调整次数iterations;
theta =gradientDescent(X, y, theta, alpha, iterations){
for iter = 1:num_iters
old_theta = theta;
theta(1)= theta(1) - alpha* sum((sum(old_theta' .* X,2) - y).*X(:,1))/m;
theta(2) = theta(2) - alpha* sum((sum(old_theta' .* X,2) - y).*X(:,2))/m;
end
}
- 机器学习之梯度下降算法Gradient Descent
- 机器学习(1)之梯度下降(gradient descent)
- 机器学习(1)之梯度下降(gradient descent)
- 机器学习(1)之梯度下降(gradient descent)
- 梯度下降算法- gradient descent
- 梯度下降算法(Gradient Descent)
- gradient descent 梯度下降算法
- 梯度下降算法(Gradient descent)
- 梯度下降算法---Gradient Descent
- 机器学习 线性回归(regression)、梯度下降(gradient descent)
- 机器学习中Lession1-回归(regression)、梯度下降(gradient descent)
- 可扩展机器学习——梯度下降(Gradient Descent)
- 第一周-机器学习-梯度下降(gradient descent)
- 机器学习(一)回归(regression)、梯度下降(gradient descent)
- [机器学习] ML重要概念:梯度(Gradient)与梯度下降法(Gradient Descent)
- (转载) [机器学习] ML重要概念:梯度(Gradient)与梯度下降法(Gradient Descent)
- 梯度下降(Gradient Descent)
- 梯度下降Gradient descent
- 用人工智能对人类进行"情绪计算" 这是一门好生意! | 研究
- 自动驾驶汽车发展史:八个重要的里程碑事件 | 科普
- Lamda
- GlobalMemoryStatus 和 GlobalMemoryStatusEx
- 杀死僵尸进程的方法
- 机器学习之梯度下降算法Gradient Descent
- java学习记录——类和对象的练习4
- Qt坐标系统
- 专项测试案例--上传成功率对比专项测试
- 解读java泛型
- Linux初识
- SharedPrefrences存值取值,第一次进入页面跳到第二个页面,第二次进入直接跳到第三个页面
- 畅销榜上的深度学习、机器学习书单!
- Java线程