随机梯度下降法的思想

每次更新权值不再利用整个数据集，而是随机选择其中1个样本。随机梯度下降法使用的是近似梯度，走的缓慢，相比于梯度下降法，不是那么容易陷入到局部最优中

python实现

import numpy as np
import random

x1 = np.array([2104, 1600, 2400, 1416, 3000])
x2 = np.array([3, 3, 3, 2, 4])
t = np.array([400, 330, 369, 232, 540])
theta0 = 10
theta1 = 10
theta2 = 10
alpha = 0.0000001
e = 1e-5
d0 = 1
d1 = 1
d2 = 1

while d0 >= e or d1 >= e or d2 >= e:
    i = random.randint(0, 4)
    d0 = theta0 + x1[i] * theta1 + x2[i] * theta2 - t[i]
    d1 = d0 * x1[i]
    d2 = d0 * x2[i]
    i = i + 1
    theta0 = theta0 - alpha * d0
    theta1 = theta1 - alpha * d1
    theta2 = theta2 - alpha * d2

# while d0 >= e or d1 >= e or d2 >= e:
#     i = 0
#     for i in range(5):
#         d0 = theta0 + x1[i] * theta1 + x2[i] * theta2 - t[i]
#         d1 = d0 * x1[i]
#         d2 = d0 * x2[i]
#         i = i + 1
#     theta0 = theta0 - alpha * d0
#     theta1 = theta1 - alpha * d1
#     theta2 = theta2 - alpha * d2
print(d0, d1, d2)