用python实现梯度下降算法的方式是什么？这个问题可能是我们日常学习或工作经常见到的。希望通过这个问题能让你收获颇深。下面是小编给大家带来的参考内容，让我们一起来看看吧！

python版本选择

这里选的python版本是2.7，因为我之前用python3试了几次，发现在画3d图的时候会报错，所以改用了2.7。

（推荐教程：Python入门教程）

数据集选择

数据集我选了一个包含两个变量，三个参数的数据集，这样可以画出3d图形对结果进行验证。

部分函数总结

symbols()函数：首先要安装sympy库才可以使用。用法：

>>>x1=symbols('x2')>>>x1+1x2+1

在这个例子中，x1和x2是不一样的，x2代表的是一个函数的变量，而x1代表的是python中的一个变量，它可以表示函数的变量，也可以表示其他的任何量，它替代x2进行函数的计算。实际使用的时候我们可以将x1,x2都命名为x，但是我们要知道他们俩的区别。
再看看这个例子：

>>>x=symbols('x')>>>expr=x+1>>>x=2>>>print(expr)x+1

作为python变量的x被2这个数值覆盖了，所以它现在不再表示函数变量x，而expr依然是函数变量x+1的别名，所以结果依然是x+1。
subs()函数：既然普通的方法无法为函数变量赋值，那就肯定有函数来实现这个功能，用法：

>>>(1+x*y).subs(x,pi)#一个参数时的用法pi*y+1>>>(1+x*y).subs({x:pi,y:2})#多个参数时的用法1+2*pi

diff()函数：求偏导数，用法：result=diff(fun,x)，这个就是求fun函数对x变量的偏导数，结果result也是一个变量，需要赋值才能得到准确结果。

代码实现：

from__future__importdivisionfromsympyimportsymbols,diff,expandimportnumpyasnpimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Ddata={'x1':[100,50,100,100,50,80,75,65,90,90],'x2':[4,3,4,2,2,2,3,4,3,2],'y':[9.3,4.8,8.9,6.5,4.2,6.2,7.4,6.0,7.6,6.1]}#初始化数据集theta0,theta1,theta2=symbols('theta0theta1theta2',real=True)#y=theta0+theta1*x1+theta2*x2,定义参数costfuc=0*theta0foriinrange(10):costfuc+=(theta0+theta1*data['x1'][i]+theta2*data['x2'][i]-data['y'][i])**2costfuc/=20#初始化代价函数dtheta0=diff(costfuc,theta0)dtheta1=diff(costfuc,theta1)dtheta2=diff(costfuc,theta2)rtheta0=1rtheta1=1rtheta2=1#为参数赋初始值costvalue=costfuc.subs({theta0:rtheta0,theta1:rtheta1,theta2:rtheta2})newcostvalue=0#用cost的值的变化程度来判断是否已经到最小值了count=0alpha=0.0001#设置学习率，一定要设置的比较小，否则无法到达最小值while(costvalue-newcostvalue>0.00001ornewcostvalue-costvalue>0.00001)andcount<1000:count+=1costvalue=newcostvaluertheta0=rtheta0-alpha*dtheta0.subs({theta0:rtheta0,theta1:rtheta1,theta2:rtheta2})rtheta1=rtheta1-alpha*dtheta1.subs({theta0:rtheta0,theta1:rtheta1,theta2:rtheta2})rtheta2=rtheta2-alpha*dtheta2.subs({theta0:rtheta0,theta1:rtheta1,theta2:rtheta2})newcostvalue=costfuc.subs({theta0:rtheta0,theta1:rtheta1,theta2:rtheta2})rtheta0=round(rtheta0,4)rtheta1=round(rtheta1,4)rtheta2=round(rtheta2,4)#给结果保留4位小数，防止数值溢出print(rtheta0,rtheta1,rtheta2)fig=plt.figure()ax=Axes3D(fig)ax.scatter(data['x1'],data['x2'],data['y'])#绘制散点图xx=np.arange(20,100,1)yy=np.arange(1,5,0.05)X,Y=np.meshgrid(xx,yy)Z=X*rtheta1+Y*rtheta2+rtheta0ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))plt.show()#绘制3d图进行验证

结果：

感谢各位的阅读！看完上述内容，你们对用python实现梯度下降算法的方式是什么大概了解了吗？希望文章内容对大家有所帮助。如果想了解更多相关文章内容，欢迎关注亿速云行业资讯频道。