phroy/mes-scripts-de-ml
phroy/mes-scripts-de-ml
1
1
Fork 0
mirror of https://forge.apps.education.fr/phroy/mes-scripts-de-ml.git synced 2024-01-27 11:30:36 +01:00
Code Issues Projects Releases Wiki Activity

Fondamentaux : descente de gradient stochastique

Browse Source
This commit is contained in:
Philippe Roy 2023-06-18 10:39:03 +02:00
parent c2cc932009
commit 1502b95073
3 changed files with 3 additions and 3 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

2
fondamentaux/01-regression_lineaire.py
View File

@ -27,7 +27,7 @@ t_debut = time.time()
# Observations d'apprentisage
m = 1000 # Nombre d'observations
bg = 1 # Bruit gaussien
bg = 1 # Quantité du bruit gaussien
x = 2*np.random.rand(m, 1) # Liste des observations x1
y = 4 + 3*x + bg * np.random.rand(m, 1) # Liste des cibles y
X = np.c_[np.ones((m, 1)), x] # Matrice des observations, avec x0=1

2
fondamentaux/02-descente_gradient.py
View File

@ -27,7 +27,7 @@ t_debut = time.time()
# Observations d'apprentisage
m = 1000 # Nombre d'observations
bg = 1 # Bruit gaussien
bg = 1 # Quantité du bruit gaussien
x = 2*np.random.rand(m, 1) # Liste des observations x1
y = 4 + 3*x + bg * np.random.rand(m, 1) # Liste des cibles y
X = np.c_[np.ones((m, 1)), x] # Matrice des observations, avec x0=1

2
fondamentaux/03-descente_gradient_stochastique.py
View File

@ -27,7 +27,7 @@ t_debut = time.time()
# Observations d'apprentisage
m = 1000 # Nombre d'observations
bg = 1 # Bruit gaussien
bg = 1 # Quantité du bruit gaussien
x = 2*np.random.rand(m, 1) # Liste des observations x1
y = 4 + 3*x + bg * np.random.rand(m, 1) # Liste des cibles y
X = np.c_[np.ones((m, 1)), x] # Matrice des observations, avec x0=1