问题描述
我想自己尝试实现梯度下降，我写了这样的话：
_无论何时运行此命令，我都会从# Creating random sample dataset
import random as rnd
dataset = []
for i in range(0,500):
d_dataset = [i,rnd.randint((i-4),(i+4))]
dataset.append(d_dataset)
def gradient_descent(t0,t1,lrate,ds):
length = len(ds)
c0,c1 = 0,0
for element in ds:
elx = element[0]
ely = element[1]
c0 += ((t0 + (t1*elx) - ely))
c1 += ((t0 + (t1*elx) - ely)*elx)
t0 -= (lrate * c0 / length)
t1 -= (lrate * c1 / length)
return t0,t1
def train(t0,trainlimit,trainingset):
k = 0
while k < trainlimit:
new_t0,new_t1 = gradient_descent(t0,trainingset)
t0,t1 = new_t0,new_t1
k += 1
return t0,t1
print(gradient_descent(20,1,dataset))
print(train(0,10000,dataset))
得到一些正常的输出，但是会从gradient_descent()函数得到(nan,nan)。我尝试使用输入train()运行train，但得到这个值(0,10,dataset)，这似乎很错误。
请告诉我我在做什么错以及如何解决此错误。抱歉，以前是否有人问过这个问题，但我找不到如何解决nan错误的答案。
解决方法
调用print(train(0,1,10000,dataset))时，gradient_descent(t0,t1,lrate,trainingset)返回的值在while循环的每次迭代中都在增加。当它们变得大于float所允许的最大值时，它们将自动转换为float('inf')（代表无穷大的float）。使用sys.float_info.max在系统上检查此最大值：
import sys
print(sys.float_info.max)
但是，您的函数gradient_descent()无法处理无限值，您可以通过以下对函数的调用来验证该无限值：
gradient_descent(float('inf'),float('inf'),dataset)
这里的问题是gradient_descent()中的以下两行，对于t0和t1是无限的，它们没有很好地定义：
c0 += ((t0 + (t1*elx) - ely))
c1 += ((t0 + (t1*elx) - ely)*elx)