0
我試圖採取此功能的梯度: loss function (N - 對象,m - 要素)。邏輯迴歸梯度有什麼問題?
def L(y,X,w): #loss function return np.sum(np.log1p(np.exp(np.dot(w,(-X.T*y)))))
這是我的偏導數的計算:analytic gradient
def g(y,X,w): #gradient return (-X.T*y).dot(1-1/(1+(np.exp(np.dot(w,(-X.T*y))))))
當我實施數值估計的梯度,它具有從分析不同的值,所以我我可能做了錯誤的計算。
梯度檢查:
e = 1e-4
test =(np.array([0.6, -0.2]), #y
np.array([[3,8.5], [1,-5]]), #X
np.array([-1,0.4])) #w
grd = np.ones((ss[1].shape[1],))
loss1 = L(test[0],test[1],test[2][0]-e)
loss2 = L(test[0],test[1],test[2][0]+e)
grd[0] = (loss2-loss1)/(2*e);
loss1 = L(test[0],test[1],test[2][1]-e)
loss2 = L(test[0],test[1],test[2][1]+e)
grd[1] = (loss2-loss1)/(2*e);
print('\ngrd num: ',grd)
print('\ngrd analyt: ',g(test[0],test[1],test[2]))
GRD編號:[-7.25478847 -1.47346219]
GRD analyt:-0.72164669 -2.59980408]
當我犯了一個錯誤?