Я изучаю компьютерное обучение. Поэтому я делаю некоторые простые практики с данными, которые я нахожу в Интернете. Прямо сейчас я пытаюсь реализовать линейную регрессию с помощью градиентного спуска в R. Когда я запускаю ее, я понимаю, что она не сходится, и моя стоимость идет бесконечно. Хотя я подозреваю, что это где-то в той части, где я вычисляю градиент, я не могу найти проблему. Поэтому давайте начнем представлять мои данные.Многомерная линейная регрессия - градиентный спуск в R
- Dataset: dataset_multipleRegression.csv
Мой набор данных содержит 4 столбца: ROLL ~ UNEM, HGRAD, INC
Итак, цель найти связь между ROLL
и другими.
Позвольте мне представить мой код
datavar <- read.csv("dataset.csv") attach(datavar) X <- cbind(rep(1, 29), UNEM,HGRAD,INC) y <- ROLL # function where I calculate my prediction h <- function(X, theta){ return(t(theta) %*% X) } # function where I calculate the cost with current values cost <- function(X, y, theta){ result <- sum((X %*% theta - y)^2)/(2*length(y)) return(result) } # here I calculate the gradient, #mathematically speaking I calculate derivetive of cost function at given points gradient <- function(X, y, theta){ m <- nrow(X) sum <- c(0,0,0,0) for (i in 1 : m) { sum <- sum + (h(X[i,], theta) - y[i]) * X[i,] } return(sum) } # The main algorithm gradientDescent <- function(X, y, maxit){ alpha <- 0.005 m <- nrow(X) theta <- c(0,0,0,0) cost_history <- rep(0,maxit) for (i in 1 : maxit) { theta <- theta - alpha*(1/m)*gradient(X, y, theta) cost_history[i] <- cost(X, y, theta) } plot(1:maxit, cost_history, type = 'l') return(theta) }
я запускаю код, как этот
gradientDescent(X, y, 20)
Это выход я получаю:
-7.001406e+118 -5.427330e+119 -1.192040e+123 -1.956518e+122
Итак, вы можете найти, где я был неправ. Я уже пробовал разные альфа-значения, не имел никакого значения. Кстати, я ценю любые советы хорошую практику от вас,
Благодаря