Matlab手搓线性回归-非正规方程法

原理:wx+b,x是输入,求得的结果与真实值y求均方误差。

采用链式法则求导

参数更新,梯度下降法(批量梯度下降)

随机生成数据:

m=100;生成100个数据,并添加随机噪声

clear;
W = 10;  %参数初始化
B = 10;  
learning = 0.0001; % 学习率  
m=100;%数据个数
X=linspace(1,10,m);%生成数据
Y = 2 * X + 1+0.7*randn(size(X)); %数据加噪

查看数据分布:

 for i = 1:10000 % 增加迭代次数以更好地拟合模型  % 计算当前模型的输出  out = W * X + B;  % 计算损失  Loss = sum((out - Y).^2);  % 计算梯度  grad_B = -2 * sum(Y - out);  grad_W = -2 * sum((Y - out) .* X);  % 更新参数  W = W - learning * grad_W;  B = B - learning * grad_B;  
end  

迭代1000次后的结果

W: 2.010807, B: 1.038136

所有代码:

clear;
W = 10;  %参数初始化
B = 10;  
learning = 0.0001; % 学习率  
m=100;%数据个数
X=linspace(1,10,m);%生成数据
Y = 2 * X + 1+0.7*randn(size(X)); %数据加噪plot(X,Y)
hold on;
% 梯度下降循环  
for i = 1:10000 % 增加迭代次数以更好地拟合模型  % 计算当前模型的输出  out = W * X + B;  % 计算损失  Loss = sum((out - Y).^2);  % 计算梯度  grad_B = -2 * sum(Y - out);  grad_W = -2 * sum((Y - out) .* X);  % 更新参数  W = W - learning * grad_W;  B = B - learning * grad_B;  
end  plot(X,W.*X+B) 
fprintf('W: %f, B: %f\n', W, B);

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/42037.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于flask的猫狗图像预测案例

📚博客主页:knighthood2001 ✨公众号:认知up吧 (目前正在带领大家一起提升认知,感兴趣可以来围观一下) 🎃知识星球:【认知up吧|成长|副业】介绍 ❤️如遇文章付费,可先看…

二次元转向SLG,B站游戏的破圈之困

文 | 螳螂观察 作者 | 夏至 2023年是B站游戏的滑铁卢,尽管这年B站的游戏营收还有40多亿,但相比去年大幅下降了20%,整整少了10亿,这是过去5年来的最大跌幅,也是陈睿接管B站游戏业务一年以来,在鼻子上碰的第…

鸿蒙语言基础类库:【@ohos.process (获取进程相关的信息)】

获取进程相关的信息 说明: 本模块首批接口从API version 7开始支持。后续版本的新增接口,采用上角标单独标记接口的起始版本。开发前请熟悉鸿蒙开发指导文档:gitee.com/li-shizhen-skin/harmony-os/blob/master/README.md点击或者复制转到。…

昇思13天

ResNet50迁移学习 ResNet50迁移学习总结 背景介绍 在实际应用场景中,由于训练数据集不足,很少有人会从头开始训练整个网络。普遍做法是使用在大数据集上预训练得到的模型,然后将该模型的权重参数用于特定任务中。本章使用迁移学习方法对Im…

放弃华为OD,选择最合适而不是最难得

时间不知不觉迈入了七月,五月尝试去重新找一份工作,但释放出来的岗位太少了,难得有进华为OD的机会,还是比较核心的部门,但思来想起,还是放弃了。 如果想去,是很有机会的,一路过关斩…

imx6ull/linux应用编程学习(13) CMAKE

什么是cmake? cmake 工具通过解析 CMakeLists.txt 自动帮我们生成 Makefile,可以实现跨平台的编译。cmake 就是用来产生 Makefile 的工具,解析 CMakeLists.txt 自动生成 Makefile: cmake 的使用方法 cmake 就是一个工具命令&am…

怎么将aac文件弄成mp3格式?把aac改成MP3格式的四种方法

怎么将aac文件弄成mp3格式?手头有一些aac格式的音频文件,但由于某些设备或软件不支持这种格式,你希望将它们转换成更为通用的MP3格式。而且音频格式的转换在现在已经是一个常见且必要的操作。aac是一种相对较新的音频编码格式,通常…

大模型增量预训练新技巧-解决灾难性遗忘

大模型增量预训练新技巧-解决灾难性遗忘 机器学习算法与自然语言处理 2024年03月21日 00:02 吉林 以下文章来源于NLP工作站 ,作者刘聪NLP NLP工作站. AIGC前沿知识分享&落地经验总结 转载自 | NLP工作站 作者 | 刘聪NLP 目前不少开源模型在通用领域具有不错…

G1 和 CMS

1、CMS CMS(Concurrent Mark Sweep,并发标记清除,是为了解决早期垃圾收集器在执行垃圾回收时导致应用程序暂停时间过长的问题而设计的。 CMS的工作流程主要包括以下几个阶段: 初始标记(Initial Mark)&…

一体化运维监控平台:赋能各行业用户运维升级

在当今数字化转型的大潮中,企业IT系统的复杂性和规模不断攀升,对运维团队提出了前所未有的挑战。如何高效、精准地监控和管理IT基础设施,确保业务连续性和稳定性,成为所有企业关注的焦点。美信,自2007年成立以来&#…

el-scrollbar实现自动滚动到底部(AI聊天)

目录 项目背景 实现步骤 实现代码 完整示例代码 项目背景 chatGPT聊天消息展示滚动面板,每次用户输入提问内容或者ai进行流式回答时需要不断的滚动到底部确保展示最新的消息。 实现步骤 采用element ui 的el-scrollbar作为聊天消息展示组件。 通过操作dom来实…

端、边、云三级算力网络

目录 端、边、云三级算力网络 NPU Arm架构 OpenStack kubernetes k3s轻量级Kubernetes kubernetes和docker区别 DCI(Data Center Interconnect) SD/WAN TF 端、边、云三级算力网络 算力网络从传统云网融合的角度出发,结合 边缘计算、网络云化以及智能控制的优势,通…

Qt开发 | Qt创建线程 | Qt并发-QtConcurrent

文章目录 一、Qt创建线程的三种方法二、Qt并发:QtConcurrent介绍三、QtConcurrent run参数说明四、获取QtConcurrent的返回值五、C其他线程技术介绍 一、Qt创建线程的三种方法 以下是Qt创建线程的三种方法: 方法一:派生于QThread 派生于QThre…

理解算法复杂度:空间复杂度详解

引言 在计算机科学中,算法复杂度是衡量算法效率的重要指标。时间复杂度和空间复杂度是算法复杂度的两个主要方面。在这篇博客中,我们将深入探讨空间复杂度,了解其定义、常见类型以及如何进行分析。空间复杂度是衡量算法在执行过程中所需内存…

ceph mgr [errno 39] RBD image has snapshots (error deleting image from trash)

ceph mgr 报错 debug 2024-07-08T09:25:56.512+0000 7f9c63bd2700 0 [rbd_support INFO root] execute_task: task={"sequence": 3, "id": "260b9fee-d567-4301-b7eb-b1fe1b037413", "message": "Removing image replicapool/8…

昇思25天学习打卡营第19天|Diffusion扩散模型

学AI还能赢奖品?每天30分钟,25天打通AI任督二脉 (qq.com) Diffusion扩散模型 本文基于Hugging Face:The Annotated Diffusion Model一文翻译迁移而来,同时参考了由浅入深了解Diffusion Model一文。 本教程在Jupyter Notebook上成…

python库 - missingno

missingno 是一个用于可视化和分析数据集中缺失值的 Python 库。它提供了一系列简单而强大的工具,帮助用户直观地理解数据中的缺失模式,从而更好地进行数据清洗和预处理。missingno 库特别适用于数据分析和数据科学项目,尤其是在处理缺失数据…

昇思MindSpore学习笔记5-02生成式--RNN实现情感分类

摘要: 记录MindSpore AI框架使用RNN网络对自然语言进行情感分类的过程、步骤和方法。 包括环境准备、下载数据集、数据集加载和预处理、构建模型、模型训练、模型测试等。 一、概念 情感分类。 RNN网络模型 实现效果: 输入: This film is terrible 正…

放大镜案例

放大镜 <!DOCTYPE html> <html lang"zh-cn"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>商品放大镜</title><link rel&qu…

如何使用allure生成测试报告

第一步下载安装JDK1.8&#xff0c;参考链接JDK1.8下载、安装和环境配置教程-CSDN博客 第二步配置allure环境&#xff0c;参考链接allure的安装和使用(windows环境)_allure windows-CSDN博客 第三步&#xff1a; 第四步&#xff1a; pytest 查看目前运行的测试用例有无错误 …