91av视频/亚洲h视频/操亚洲美女/外国一级黄色毛片 - 国产三级三级三级三级

資源簡介

利用梯度下降算法,進行機器學習.利用C++實現下降算法.

資源截圖

代碼片段和文件信息 

#include?
#include?
#include?
#include?
using?namespace?std;

//Term存放每條數據flag為True表示1false表示-1
struct?Term
{
	bool?flag;
	map?pairs;
	double?score;
};

//損失函數
int?lostFunction（Term[]?int?map）;
//進行梯度下降的迭代過程
void?doGradient（int?T?int?sampleNum?Term[]）;
//得到梯度的值
void?changeGradient（Term[]?int?map*）;
//給每條數據打分如果分數大于0那么認為是+1的;小于0認為是-1的
double?getScore（Term?map*）;
void?testTestData（map）;
void?inputData（char*?int?Term[]）;
void?getTerm（string?Term*）;
void?getKeyValue（string?int*?double*）;

map?weight;

int?main（）
{
	Term?trainData[2000];
	cout?<	inputData（“train.dat“?2000?trainData）;
	
	cout?<	for?（int?i=1;?i<10000;?i++）
		weight[i]?=?1.0;
	
	cout?<	doGradient（25?2000?trainData）;
	
	cout?<	testTestData（weight）;
	//從結果看有overfitting的存在
	//該梯度算法實現中沒有加入Regularization一項
	
	return?0;
}

void?inputData（char*?file?int?n?Term?terms[]）
{
	ifstream?infile;
	string?s;
	Term?term;
	char?cs[7000];
	infile.open（file）;
	for?（int?i=0;?i	{
		infile.getline（cs?7000）;
		if?（cs[0]?==?‘#‘）
		{
			i--;
			continue;
		}
		s?=?cs;
		terms[i].pairs.clear（）;
		getTerm（s?&terms[i]）;
	}
	infile.close（）;
}

void?doGradient（int?T?int?sampleNum?Term?terms[]）
{
	map?gradient;
	map?tempWeight;
	int?error?=?0;
	bool?goOn?=?false;
	
	error?=?lostFunction（terms?sampleNum?weight）;
	for?（int?t=0;?t	{
		//求得梯度
		gradient.clear（）;
		changeGradient（terms?sampleNum?&gradient）;
		
		goOn?=?false;
		double?alpha?=?4.5;
		//不斷變小步長直到小于.000001為止求得合理的步長
		while?（alpha?>?0.0000001）
		{
			map::iterator?it?=?weight.begin（）;
			for?（;?it!=weight.end（）;?it++）
				tempWeight[it->first]?=?it->second?+?alpha?*?gradient[it->first];
			int?error1?=?lostFunction（terms?sampleNum?tempWeight）;
			if?（error1?			{
				cout?<				cout?<				cout?<				weight?=?tempWeight;
				error?=?error1;
				goOn?=?true;
				break;
			}
			alpha?/=?2.0;
		}
		if?（!goOn）
			break;
		cout?<	}
}

int?lostFunction（Term?terms[]?int?sampleNum?map?w）
{
	int?wrong?=?0;
	for?（int?i=0;?i	{
		terms[i].score?=?getScore（terms[i]?&w）;
		if?（terms[i].flag?&&?terms[i].score<0）
		{
			wrong++;
		}
		else?if?（terms[i].flag==false?&&?terms[i].score>0）
		{
			wrong++;
		}
	}
	return?wrong;
}

void?changeGradient（Term?terms[]?int?sampleNum?map*?g）
{
	for?（int?i=0;?i	{
		map::iterator?it?=?terms[i].pairs.begin（）;
		for?（;?it!=terms[i].pairs.end（）;?it++）
		{
			//根據梯度下降的公式應該是（*g）[it->first]+=it-second
			//由于it->second都是值比較小的數導致梯度下降不明顯
			//所以這里使用?+=和-=?

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????4671??2011-06-16?16:39??機器學習_梯度下降算法實現\gradient.cpp

?????文件?????536475??1997-11-17?18:11??機器學習_梯度下降算法實現\test.dat

?????文件????2154343??1997-11-17?18:12??機器學習_梯度下降算法實現\train.dat

?????文件???????1869??2011-06-16?17:22??機器學習_梯度下降算法實現\實驗報告.txt

?????目錄??????????0??2011-06-16?17:22??機器學習_梯度下降算法實現

-----------?---------??----------?-----??----

??????????????2697358????????????????????5


評論

共有 條評論