监督学习算法

通过讲解学习了监督学习算法，并将其应用到一个实例中。

算法内容

该算法实现了对数据的拟合于后续的发展可能的预测。
对于该问题：

我们使用函数：
进行学习拟合。
这里theta为需要学习拟合出的系数。

L为误差分析函数，我们以L小于1*e-4为满足条件。

下降梯度：

import random
import numpy as np
import matplotlib.pyplot as plt

x1 = np.array([2104,1600,2400,1416,3000])
x2 = np.array([3,3,3,2,4])
p = np.array([400,330,369,232,540])

#对th（0~2）赋随机初值
th0 = random.random()
th1 = random.random()
th2 = random.random()
th = np.array([th1,th2])

#学习度
al = 0.01
ep = 1e-4

#初值
e0 = 5
e1 = 5
e2 = 5



while e0>ep or e1>ep or e2>ep:
    i =0
    j = 0
    e0 = np.sum((th0+th1*x1[i]+th2*x2[i]-p[i]))
    
    e1 =e0 * x1[i]
    e2 = e0 * x2[i]
    
    th0 = th0 - al * e0
    th1 = th1 - al * e1
    th2 = th2 - al * e2 
    
    i+= 1
    
print(th0 ,th1, th2)
plt.plot([th0,th1,th2],[th0,th1,th2],'ro')  
   

标签：random,监督,th1,th0,学习,算法,np,th2,e0
来源： https://blog.csdn.net/Mrjdk/article/details/120080379