En utilisant python et numpy pour calculer gradient de la fonction de perte régularisé

Question

J'ai la formule suivante:

que je suis en train d'utiliser une fonction pour calculer le gradient de la fonction de perte régularisée. J'ai le dataSet, qui est un tableau de [(x(1), t(1)), ..., (x(n), t(n))], et avec les données d'entraînement n = 15.

Voici ce que j'ai à ce jour, sachant que la fonction de perte est le 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)) 

---

La question est, w est toujours égal à (M + 1) - alors que dans le dataSet, t est égal à 15. Cela entraîne une multiplication hors limite. Est-ce que je calcule mal la formule? De l'aide?

Answer 1

Je crois que vous êtes en train de gâcher votre indexation sur la matrice de jeu de données. Assurez-vous également que votre tableau est effectivement défini comme un tableau et non comme une liste. Je crois que les listes indexent comme list [i] [j] et les tableaux index comme array [i, j].

Je courrais vos données objet à travers:

import numpy as np 
dataSet=np.asarray(dataSet) 

Remplacez ensuite votre boucle while avec cette boucle while:

while i < len(dataSet): 
     y.append(dataSet[i,0] * w[i]) 
     i+= 1