梯度下降算法、随机梯度下降算法scala实现
2016-07-04 20:33
316 查看
梯度下降和随机梯度下降是机器学习中最常用的算法之一。关于其具体的原理这里不多做介绍,网络上可以很方便的找到。例如可以参考博客:http://blog.csdn.net/woxincd/article/details/7040944
scala代码实现如下:
scala代码实现如下:
object SGD{ /*X:输入变量 y:输入结果 learnRate:学习步长 iterNum:迭代次数 thres:损失函数阈值 */ def gradientDescent(X:Array[Array[Int]],y:Array[Int],learnRate:Double = 0.001,iterNum:Int = 1000,thres :Double = 0.0001):Array[Double]={ val theta:Array[Double] = new Array(X(0).length) var loss = 10000.0 for(i<- 0 to iterNum if loss > thres){ var errorSum = 0.0 for(row<-0 until X.length){ var rowSum = 0.0 for(col <- 0 until X(0).length){ rowSum += X(row)(col)*theta(col) } errorSum += y(row)-rowSum for(col <- 0 until X(0).length){ theta(col) += learnRate*errorSum*X(row)(col) } } loss = 0.0 for(row <- 0 until X.length){ var rowSum= 0.0 for(col <- 0 until X(0).length){ rowSum += X(row)(col)*theta(col) } loss += (rowSum - result(row))*(rowSum - result(row)) } } theta } def stochasticGradientDescent(X:Array[Array[Int]],y:Array[Int],learnRate:Double = 0.001,iterNum:Int = 1000,thres :Double = 0.0001):Array[Double]={ var theta:Array[Double] = new Array(X(0).length) var loss = 10000.0 for(i<- 0 to iterNum if loss > thres){ var errorSum = 0.0 val row = i % X.length var rowSum = 0.0 for(col <- 0 until X(0).length){ rowSum += X(row)(col)*theta(col) } errorSum += y(row)-rowSum for(col <- 0 until X(0).length){ theta(col) += learnRate*errorSum*X(row)(col) } loss = 0.0 for(row <- 0 until X.length){ var rowSum = 0.0 for(col <- 0 until X(0).length){ rowSum += X(row)(col)*theta(col) } loss += (rowSum - result(row))*(rowSum - result(row)) } } theta } }
相关文章推荐
- Windows下Scala环境搭建
- 书评:《算法之美( Algorithms to Live By )》
- 动易2006序列号破解算法公布
- C#递归算法之分而治之策略
- Ruby实现的矩阵连乘算法
- C#插入法排序算法实例分析
- C#算法之大牛生小牛的问题高效解决方法
- C#算法函数:获取一个字符串中的最大长度的数字
- 超大数据量存储常用数据库分表分库算法总结
- C#数据结构与算法揭秘二
- C#冒泡法排序算法实例分析
- 算法练习之从String.indexOf的模拟实现开始
- C#算法之关于大牛生小牛的问题
- C#实现的算24点游戏算法实例分析
- 经典排序算法之冒泡排序(Bubble sort)代码
- c语言实现的带通配符匹配算法
- 浅析STL中的常用算法
- 算法之排列算法与组合算法详解
- C++实现一维向量旋转算法
- Ruby实现的合并排序算法