我使用numpy在线性回归上练习梯度下降。下面是我的梯度下降过程:
def batch_gradient_descent(data_points, initial_b, initial_W, lr, iterations):
b = initial_b
W = initial_W
for i in range(iterations): # Calcultes Gradient Descent for n-iterations.
b, W = gradient_step(b, W, data_points, lr)
current_cost = cost(b, W, data_points)
# plt.figure(figsize=(8, 4))
# plt.plot(i, current_cost, linewidth=1)
# plt.xlabel("iteration")
# plt.ylabel("log(L)")
# plt.title("log(L) After "+str(i)+"th iteration")
plt.show()
return [b, W]
我需要使用matplotlib来绘制总计只有两个的图:
顺便说一下,总迭代次数是200,这意味着x轴上的值范围应该是0- 200。
我最初的解决方案在代码中得到了注释,但它实际上画的是许多数字,看起来如下:
正确的方法是什么?
发布于 2019-11-06 02:38:24
您可以将它们附加到x
和y
-axis的列表中。
x = []
y = []
def batch_gradient_descent(data_points, initial_b, initial_W, lr, iterations):
b = initial_b
W = initial_W
for i in range(iterations): # Calcultes Gradient Descent for n-iterations.
b, W = gradient_step(b, W, data_points, lr)
current_cost = cost(b, W, data_points)
x.append(i)
y.append(current_cost)
return [b, W]
然后把它写成:
plt.figure(figsize=(8, 4))
plt.plot(x, y, linewidth=1)
plt.xlabel("iteration")
plt.ylabel("log(L)")
plt.title("log(L) After " + str(x[-1]) + "th iteration")
plt.show()
https://stackoverflow.com/questions/58726735
复制相似问题