首页 > TAG信息列表 > th2
costFunction
import numpy as np import matplotlib import math x1 = np.array([[2104,3],[1600,3],[2400,3],[1416,2]]) x2 = np.array([3,3,3,2]) t = np.array([400,330,369,232]) alpha = 0.01 th0 = np.random.random() th1 = np.random.random() th2 = np.random.random(第二次作业 9.3
import numpy as np import matplotlib.pyplot as plt theta0 = np.array([th2, th3]) theta1 = np.random.random() theta2 = np.random.random() theta3 = np.random.random() alpha = 0.0000001 x = np.array([[2104, 3], [1600, 3], [2400, 3], [1416, 2], [3000, 4]])监督学习算法
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： imp