问题描述
我正在尝试使用 numpy 实现线性回归。为此，我需要为损失函数 mae 和 mse 实现导数。这些是我的版本，但它们是不正确的（不幸的是未公开的失败测试）。 有人可以帮我为 mae 和 mse 实现正确的梯度方法吗？请注意这里的目标维度 > 1，这可能在我的版本中没有处理。
def mse_derivative(X,Y,w):
"""
X : numpy array of shape (`n_observations`,`n_features`)
Y : numpy array of shape (`n_observations`,`target_dimentionality`) or (`n_observations`,)
w : numpy array of shape (`n_features`,`target_dimentionality`) or (`n_features`,)
Return: NumPy array of the same shape as `w`
"""
return (X.T.dot(X.dot(w) - Y)) * 2 / Y.shape[0]
def mae_derivative(X,)
Return: NumPy array of the same shape as `w`
"""
return np.array(list(map(lambda diff : 0 if diff == 0 else 1 if diff > 0 else -1,list(X.dot(w) - Y))))
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）