Tensorflow学习笔记：基础篇（2）——多项式回归

Tensorflow学习笔记：基础篇（2）——多项式回归

---

— 前文学习笔记（1）中说到线性回归并不能很好的拟合正弦的问题，loss函数值不甚理想，本文将在上文的Tensorflow程序中进行修改，框架结构不变，数据集也不变，仅把线性回归修改为多项式回归，看看最终效果如何~~
—废话少说，直接进入正题

---

计算流程

1、数据准备

2、准备好placeholder

3、初始化参数/权重

4、计算预测结果

5、计算损失值

6、初始化optimizer

7、指定迭代次数，并在session执行graph

---

代码示例

1、数据准备

与上文相同未做修改，在【-3，3】内生成100个点，使用正弦函数上加上了随机噪声

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

n_observations = 100
xs = np.linspace(-3, 3, n_observations)
ys = np.sin(xs) + np.random.uniform(-0.5, 0.5, n_observations)
plt.scatter(xs, ys)
plt.show()

2、准备好placeholder

X = tf.placeholder(tf.float32, name='X')
Y = tf.placeholder(tf.float32, name='Y')

3、初始化参数/权重

多项式回归问题，此处使用 y = w