Градиентный спуск для линейной регрессии не работает
Я пытаюсь реализовать простой алгоритм градиентного спуска для линейной регрессии. Я использую библиотеку линейной алгебры Armadillo C ++, и я также новичок в Armadillo. Вот что я пытаюсь сделать:
void linRegression(mat &features, mat &targets, double alpha,double error){
mat theta = ones(features.n_cols+1);
mat temp = zeros(features.n_cols+1);
mat features_new = join_horiz(ones(features.n_rows),features);
mat predictions;
double con = alpha*(1.0/features.n_rows);
int j = 0;
while(j<1000){
mat step_error = (features_new*theta - targets);
for(unsigned int i=0;i<theta.n_rows;i++){
temp(i) = con*sum(step_error%features_new.col(i));
}
theta = theta-temp;
mat pred = predict(theta,features_new);
cout<<theta<<endl;
j++;
}
}
но значения тэты продолжают расти и оказываются в бесконечности. Я не уверен, что я делаю неправильно.
Решение
Я думаю, что вычисления в цикле while не верны. По крайней мере, вы можете сделать это более элегантным без цикла for. Вот краткий код проблемы 1 функции:
#include <iostream>
#include <armadillo>
using namespace std;
using namespace arma;
int main(int argc, char** argv)
{
mat features(10, 1);
features << 6.110100 << endr
<< 5.527700 << endr
<< 8.518600 << endr
<< 7.003200 << endr
<< 5.859800 << endr
<< 8.382900 << endr
<< 7.476400 << endr
<< 8.578100 << endr
<< 6.486200 << endr
<< 5.054600 << endr;
mat targets(10, 1);
targets << 17.59200 << endr
<< 9.130200 << endr
<< 13.66200 << endr
<< 11.85400 << endr
<< 6.823300 << endr
<< 11.88600 << endr
<< 4.348300 << endr
<< 12.00000 << endr
<< 6.598700 << endr
<< 3.816600 << endr;
mat theta = ones(features.n_cols + 1);
mat features_new = join_horiz(ones(features.n_rows), features);
double alpha = 0.01;
double con = alpha*(1.0 / features.n_rows);
int j = 0;
while (j < 20000){
mat step_error = (features_new*theta - targets);
theta = theta - con * (features_new.t() * step_error);
j++;
}
theta.print("theta:");
system("pause");
return 0;
}
Программа возвращает:
theta:
0.5083
1.3425
Результат, полученный с помощью метода нормальных уравнений:
theta:
0.5071
1.3427
РЕДАКТИРОВАТЬ
Ваш код действительно правильный!
Проблема может быть в нормализации функций. Я расширил свой пример до двух функций регрессии и добавить нормализацию. Без нормализации у меня тоже не работает.
#include <iostream>
#include <armadillo>
using namespace std;
using namespace arma;
int main(int argc, char** argv)
{
mat features(10, 2);
features << 2104 << 3 << endr
<< 1600 << 3 << endr
<< 2400 << 3 << endr
<< 1416 << 2 << endr
<< 3000 << 4 << endr
<< 1985 << 4 << endr
<< 1534 << 3 << endr
<< 1427 << 3 << endr
<< 1380 << 3 << endr
<< 1494 << 3 << endr;
mat m = mean(features, 0);
mat s = stddev(features, 0, 0);
int i, j;
//normalization
for (i = 0; i < features.n_rows; i++)
{
for (j = 0; j < features.n_cols; j++)
{
features(i, j) = (features(i, j) - m(j))/s(j);
}
}
mat targets(10, 1);
targets << 399900 << endr
<< 329900 << endr
<< 369000 << endr
<< 232000 << endr
<< 539900 << endr
<< 299900 << endr
<< 314900 << endr
<< 198999 << endr
<< 212000 << endr
<< 242500 << endr;mat theta = ones(features.n_cols + 1);
mat features_new = join_horiz(ones(features.n_rows), features);
double alpha = 0.01;
double con = alpha*(1.0 / features.n_rows);
while (j < 20000){
mat step_error = (features_new*theta - targets);
theta = theta - con * (features_new.t() * step_error);
j++;
}
cout << theta << endl;
system("pause");
return 0;
}
Результат:
тета:
3.1390e+005
9.9704e+004
-5.6835e+003
Другие решения
Других решений пока нет …
detector