使用梯度下降的线性回归

[编程题]使用梯度下降的线性回归

编写一个使用梯度下降执行线性回归的 Python 函数。该函数应将 NumPy 数组 X（具有一列截距的特征）和 y（目标）作为输入，以及学习率 alpha 和迭代次数，并返回一个 NumPy 数组，表示线性回归模型的系数。

第1行输入X，第2行输入y，第3行输入alpha，第4行输入迭代次数。

输出线性回归模型的系数，四舍五入到小数点后四位。返回类型是List类型。

示例1

输入

[[1, 1], [1, 2], [1, 3], [1, 4]]
[2, 3, 4, 5]
0.01
1000

[0.8678 1.045 ]

1.对应的输入、输出已给出，您只用实现核心功能函数即可。
2.支持numpy、scipy、pandas、scikit-learn库。

算法知识视频讲解

牛客题解官

发表于 2025-02-05 15:33:49

梯度下降在机器学习中是一种常用的优化算法，用于求解最小化损失函数的问题。其具体步骤如下： 1. 初始化参数创建一个与输入矩阵和输出矩阵相关的矩阵。数学表达式为：本题初始化参数为0，但在实际使用中更常见的是使用随机初始化。 2. 计算梯度计算损失函数对参数的梯度。展开全文

ForHeart

发表于 2025-03-04 15:28:29

import numpy as np def linear_regression_gradient_descent(X, y, alpha, iterations): # 补全代码 m, n = X.shape theta = np.zeros((n,1)) # 包括截距项展开全文

机器学习

难度：

1条回答 7收藏 155浏览

使用梯度下降的线性回归

扫一扫，把题目装进口袋