学习笔记机器学习实战_第1页
学习笔记机器学习实战_第2页
学习笔记机器学习实战_第3页
学习笔记机器学习实战_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、学习好资料欢迎下载Python ConsolePython文件中编辑，在python Console中进行文件的输出和实验，相当于2.7版本中的shell。Toolspytho n con soleL V |Ofi Co 1_ j_ 勺 qF*、a1 raceosicK mosx xeccrit CQl 1 丄3,ST/ File input>jline 1, in SodulexAt tribut eError:nodaLeJ object has no attributeclas si fyfl7import kNNimport kNKkNH.classify在下面的console框

2、中，按下F5,可以弹出python Console在这里相当于在提示符中输入 命令！ ！ ！可以新建一个 python文件，将控制台命令输入其中，然后运行这些控制台命令就不用反复 输入了。一、梯度法则Logistic回归第一次用回归梯度上升优化算法LoadDataSet ()函数是导入文件，Sigmoid ()函数gradAscent ()用这个梯度上升优化算法返回weights gradAscent( datamatIn ， classLabe9两个参数，dataMatIn存放的是100*3的矩阵，三个元素分别是weight，X1，X2第二个参数classLabel存放的是1*100的行向量

3、，所以记得要进行矩阵转置1.类另U classLabels需要转置 transpose2.loaddataSet ()函数中将X0的值设置为1，目的是初始化 weights的初始值为13.在error= (labelMat-h )这个操作中，变量h是一个列向量，列向量的元素个数等于样本个 数，这里是100。对应的，运算 dataMatrix*weights代表的是实际上是 3*100次的操作。 绘图结果如下：XI二、随机梯度上升随机梯度与梯度上升有本质区别:1.随机的error=classLabelsi-h这个操作中，二者都是数值。而梯度上升中 error= (labelMat-h) 变量 h和误差 error都是向量。2.随机梯度没有矩阵的转换过程，所有的变量的数据类型都是Numpy数组。可以发现，拟合直线并不是太理想«=-1,45161 y=-103125三、改进的随机梯度上升算法改进体现在两个方面：1.动态修改aplha的值，每次迭代调整。 收敛速度会更快。2.随机选取更新。每次从列表中选取一个值，然后更新后从列表中删除掉该值，再进行下一 次迭代，这样以来，训练中的周期性波动问题得以解决。Figure Lx=l,37097y=515

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论