2025年8月20日
矩阵求导
摘要： ![584322d5aeea8e48f1bb3c0661a6dd9d](https://img2024.cnblogs.com/blog/2709094/202508/2709094-20250820223218959-2145041188.png) ![e8d6f57e9adecfa7a9510640a0d6b946](https://img2024.cnblogs.com/blog/27090 阅读全文
posted @ 2025-08-20 22:32 李大嘟嘟 阅读(7) 评论(0) 推荐(0)
安装 jupyterlab
摘要： pip install jupyterlab 阅读全文
posted @ 2025-08-20 22:25 李大嘟嘟 阅读(24) 评论(0) 推荐(0)
第五章 线性回归（2）
摘要： # 线性回归 # y=k1x1+k2x2+b import random # 数据获取 xs1 = [i for i in range(2003, 2023)]#年份 xs2 = [random.randint(60, 150) for i in range(2003, 2023)]#面积 ys = 阅读全文
posted @ 2025-08-20 21:46 李大嘟嘟 阅读(7) 评论(0) 推荐(0)
第五章 线性回归
摘要： # 线性回归 # y=kx+b # 数据获取 xs = [i for i in range(2008, 2023)] ys = [ 5000, 8000, 12000, 20000, 32000, 35000, 40000, 48000, 53000, 54000, 57000, 58000, 59 阅读全文
posted @ 2025-08-20 21:19 李大嘟嘟 阅读(16) 评论(0) 推荐(0)
数据归一化
摘要： https://www.cnblogs.com/BlogNetSpace/p/18861160 阅读全文
posted @ 2025-08-20 20:48 李大嘟嘟 阅读(6) 评论(0) 推荐(0)
第四章 梯度下降
摘要： # 梯度下降 # 损失函数的意义是衡量预测值与真实值的差距，越小越好，这里的损失函数是平方误差。 # 梯度下降算法的基本思想是： # 1. 随机初始化模型参数 # 2. 计算损失函数关于模型参数的导数 # 3. 根据导数更新模型参数，使得损失函数最小 # 4. 重复2、3步，直到模型参数收敛或达到最 阅读全文
posted @ 2025-08-20 20:26 李大嘟嘟 阅读(4) 评论(0) 推荐(0)