【发布时间】:2019-11-15 04:04:33
【问题描述】:
我正在尝试在 python 中实现梯度下降。虽然我的代码正在返回结果,但我认为我得到的结果是完全错误的。
这是我写的代码:
import numpy as np
import pandas
dataset = pandas.read_csv('D:\ML Data\house-prices-advanced-regression-techniques\\train.csv')
X = np.empty((0, 1),int)
Y = np.empty((0, 1), int)
for i in range(dataset.shape[0]):
X = np.append(X, dataset.at[i, 'LotArea'])
Y = np.append(Y, dataset.at[i, 'SalePrice'])
X = np.c_[np.ones(len(X)), X]
Y = Y.reshape(len(Y), 1)
def gradient_descent(X, Y, theta, iterations=100, learningRate=0.000001):
m = len(X)
for i in range(iterations):
prediction = np.dot(X, theta)
theta = theta - (1/m) * learningRate * (X.T.dot(prediction - Y))
return theta
theta = np.random.randn(2,1)
theta = gradient_descent(X, Y, theta)
print('theta',theta)
我运行这个程序后得到的结果是:
θ [[-5.23237458e+228] [-1.04560188e+233]]
这是非常高的价值。谁能指出我在实施中犯的错误。
另外,第二个问题是我必须将学习率的值设置得很低(在这种情况下我设置为 0.000001)才能正常工作,其他明智的程序会抛出错误。
请帮助我诊断问题。
【问题讨论】:
-
这里的代码:github.com/0xPrateek/ML-Algorithms/blob/master/Algorithms/… 是自我解释的,虽然它是组件形式的实现,但有助于理解
-
更改学习率出现什么错误
-
@0xPrateek RuntimeWarning:减法中遇到无效值
-
@0xPrateek 您提供的链接非常冗长。我正在尝试使用 numpy 进行向量计算的能力来实现梯度下降。这让事情变得简单多了。
-
在
theta = theta - (1/m) * learningRate * (X.T.dot(prediction - Y))行中,theta是一维向量,而(1/m) * learningRate * (X.T.dot(prediction - Y))是单个值。虽然该操作在 numpy 中有效,但在数学中却毫无意义。
标签: python numpy machine-learning gradient-descent