matlab|MATLAB,Python,Pytorch实现数据拟合 pytorch|python

目录
1、MATLAB实现数据拟合
2、纯python实现数据拟合
3、pytorch实现数据拟合
1、MATLAB实现数据拟合

%MATLAB 数据拟合 x=linspace(-1,1,100); rng('default')%使用整数种子初始化生成器，替换老版本命令rand('state',s); y=3*x.^2+2+0.2*rand(1,100); scatter(x,y,'filled','MarkerFaceColor',[0 0 1]); p=polyfit(x,y,2); hold on y_pre = polyval(p,x); plot(x,y_pre,'r-','LineWidth',2) legend('true','pridict') poly2str(p,'x')

文章图片

2、纯python实现数据拟合

# 纯python实现机器学习：参数拟合 import numpy as np import matplotlib.pyplot as plt np.random.seed(10)#程序每次运行产生相同的随机数#产生100个人工数据 x=np.linspace(-1,1,100).reshape(100,1) y=3*np.power(x,2)+2+0.2*np.random.rand(x.size).reshape(100,1)#w1，b1赋随机初值 w1=np.random.rand(1,1); b1=np.random.rand(1,1); #学习率 lr=0.001#w1,b1的梯度更新迭代800次 for i in range(800): y_pred=np.power(x,2)*w1+b1 loss=0.5*(y_pred-y)**2 loss=loss.sum() grad_w=np.sum((y_pred-y)*np.power(x,2)) grad_b=np.sum((y_pred-y)) w1-=lr*grad_w b1-=lr*grad_bplt.plot(x,y_pred,'r-',label='predict',linewidth=3) plt.scatter(x,y,color='blue',marker='o',label='true') plt.legend() plt.show() print(w1,b1)

文章图片

[[2.99380213]] [[2.09924881]]

3、pytorch实现数据拟合

#使用pytorch实现机器学习：参数拟合 import torch import matplotlib.pyplot as plt torch.manual_seed(10)#程序每次运行产生相同的随机数x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)#j将一维tensor转换为100x1二维tensor y=3*x.pow(2)+2+0.2*torch.rand(x.size())w=torch.randn(1,1,dtype=torch.float,requires_grad=True) b=torch.zeros(1,1,dtype=torch.float,requires_grad=True) lr=0.001#w,b的梯度更新迭代800次 for i in range(800): y_pred=x.pow(2).mm(w)+b loss=0.5*(y_pred-y)**2 loss=loss.sum()loss.backward()with torch.no_grad(): w-=lr*w.grad b-=lr*b.gradw.grad.zero_() b.grad.zero_()plt.plot(x.numpy(),y_pred.detach().numpy(),'r-',linewidth=3,label='predict') plt.scatter(x.numpy(),y.numpy(),color='blue',marker='o',label='true') plt.legend() plt.show() print(w,b)