我有以下公式:
我试图在一个函数中使用它来计算正则化损失函数的梯度。我有 dataSet
,它是 [(x(1), t(1)), ..., (x(n), t(n))]
,以及训练数据 n = 15
。
这是我目前所知道的,损失函数是 vector here.
def gradDescent(alpha, t, w, Z):
returned = 2 * alpha * w
y = []
i = 0
while i < len(dataSet):
y.append(dataSet[i][0] * w[i])
i+= 1
return(returned - (2 * np.sum(np.subtract(t, y)) * Z))
问题是,w
总是等于 (M + 1
) - 而在 dataSet
中,t
等于 15
。这导致越界乘法。我计算的公式错了吗?有帮助吗?
最佳答案
我相信您弄乱了数据集数组的索引。还要确保您的数组实际上定义为数组而不是列表。我相信像 list[i][j] 这样的列表索引和像 array[i,j] 这样的数组索引。
所以我会通过以下方式运行您的数据对象:
import numpy as np
dataSet=np.asarray(dataSet)
然后用这个 while 循环替换你的 while 循环:
while i < len(dataSet):
y.append(dataSet[i,0] * w[i])
i+= 1
关于python - 使用 python 和 numpy 计算正则化损失函数的梯度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46635977/