课程来自B站 刘二大人
代码主要内容是模拟一个简单的函数在不同参数时的loss求得的MSE，并且将其可视化
# -*- coding: utf-8 -*-
'''绘制loss曲线'''
import numpy as np
import matplotlib.pyplot as plt
'''输入数据'''
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
'''定义模型'''
def forward(x):
return x * w
'''定义损失函数'''
def loss(x,y):
y_pred = forward(x)
return (y_pred - y) * (y_pred - y) #计算每个loss的值
w_list = [] #保存权重w
mse_list = [] #保存mse，均方误差
for w in np.arange(0.0, 4.1, 0.1): #取0.0-4.0，步长0.1
print('w=', w)
l_sum = 0
#训练
for x_val, y_val in zip(x_data, y_data):
y_pred_val = forward(x_val) #计算预测的结果
loss_val = loss(x_val, y_val) #计算损失
l_sum += loss_val #损失累加求和
print('\t', x_val, y_val, y_pred_val, loss_val)
print('MSE=', l_sum / 3 ) #除以样本总数，求均值得mse
w_list.append(w)
mse_list.append(l_sum / 3)
'''绘图'''
plt.plot(w_list, mse_list)
plt.ylabel('loss')
plt.xlabel('w')
plt.show()
