2.线性回归——梯度下降法的实践 ​

难度

难度

：简单

在高中学习统计时，老师肯定提过用不同的函数去拟合散点图，现在，你将利用梯度下降的基础知识来实现这个过程！

无需提交部分 ​

• 你之前了解过什么衡量平均误差的方法？均方误差是什么？
• 什么是损失函数？MSE 损失如何计算？并且去了解其他损失函数如交叉熵损失。
• 学习率是什么？它在梯度下降中起到什么角色？
• Matplotlib 库你会使用吗？

需要提交部分 ​

现有函数:

$f(x,y)=3x^3+y^4+e^y+5+\epsilon$

其中：

x~U(-2,2)表示随机变量 x 服从 -2 到 2 的均匀分布，epsilon为人为构造的噪声，

$\epsilon\sim N(0,0.01)$

表示随机变量,epsilon 服从均值为 0，方差为 0.01 的正态分布

1. 在x,y的分布区域内均匀取点(x,y)计算对应函数值
2. 使用Matplotlib库绘制出函数

$f(x,y)=3x^3+y^4+e^y+5$

在第一小问中，你构造的散点图就是接下来需要拟合的数据

注意事项 ​

1. 源代码（必要的注释和良好的规范）
2. 每小问代码运行结果截图
3. Matplotlib 库绘制出的函数图像截图

提交方式 ​

将题目中要求的提交的总结内容利用 Markdown 格式进行编辑，并存为 PDF 文件。将其与你的源代码一起提交至邮箱：glimmerml@163.com

pdf文件名要求：姓名-学号-中档题02.pdf

出题人 ​

皇家饼干（学长）

QQ: 3081962771