机器学习绘制误差随迭代次数的变化曲线的代码

以下是使用Python和matplotlib库绘制误差随迭代次数的变化曲线的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
x = np.arange(1, 101)
y = np.random.normal(0, 1, size=(100,))

# 初始化权重和偏置
w = 0
b = 0
lr = 0.01  # 学习率
epochs = 100  # 迭代次数
errors = []  # 记录每次迭代的误差

# 线性回归模型
def linear_regression(x, w, b):
    return w * x + b

# 均方误差损失函数
def mean_squared_error(y_true, y_pred):
    return np.mean(np.square(y_true - y_pred))

# 梯度下降算法
def gradient_descent(x, y, w, b, lr, epochs):
    n = len(x)
    for i in range(epochs):
        y_pred = linear_regression(x, w, b)
        error = mean_squared_error(y, y_pred)
        errors.append(error)
        dw = (-2/n) * np.sum(x * (y - y_pred))
        db = (-2/n) * np.sum(y - y_pred)
        w = w - lr * dw
        b = b - lr * db
    return w, b

# 运行梯度下降算法并绘制误差随迭代次数的变化曲线
w, b = gradient_descent(x, y, w, b, lr, epochs)
plt.plot(np.arange(epochs), errors)
plt.title("Error vs. Iterations")
plt.xlabel("Iterations")
plt.ylabel("Error")
plt.show()

这段代码生成了一个随机数据集，然后使用梯度下降算法对线性回归模型进行训练，并记录每次迭代的误差。最后，使用matplotlib库绘制误差随迭代次数的变化曲线。请注意，这只是一个示例代码，实际应用中的模型和数据可能会有所不同。