实现线性模型（ y = wx + b ）并输出 loss 的3D图像

实现线性模型（ y = wx + b ）并输出 loss 的3D图像

.这里设函数为 y =3x+1.5
· x _ data =[1.0,2.0,3.0]
· y _ data =[4.5,7.5,10.5]
· np . meshgrid (）函数：
. X . Y = np . mesharid ( x , y )代表的是将 x 中每一个数据和 y 中每一个数据组合生成很多点，然后将这些点的 x 坐标放入到 X 中， y 坐标放入 Y 中，并且相
应位置是对应的。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


def linear_model(X, W, b):
    return W * X + b


W = np.random.randn()
b = np.random.randn()

X_data = np.array([1.0, 2.0, 3.0])
y_data = np.array([4.5, 7.5, 10.5])

y_pred = linear_model(X_data, W, b)
loss = np.mean((y_pred - y_data) ** 2)
x = np.linspace(0.0, 4.0, 60)
y = np.linspace(0.0, 4.0, 60)
X, Y = np.meshgrid(x, y)

Z = np.zeros_like(X)
for i in range(X.shape[0]):
    for j in range(X.shape[1]):
        W_temp = X[i, j]
        b_temp = Y[i, j]
        y_pred_temp = linear_model(X_data, W_temp, b_temp)
        loss_temp = np.mean((y_pred_temp - y_data) ** 2)
        Z[i, j] = loss_temp

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z, cmap='viridis')
ax.set_xlabel('W')
ax.set_ylabel('b')
ax.set_zlabel('Loss')
plt.show()