深度学习笔记（2） 基于Tensorflow的线性回归 拟合散点图

最新推荐文章于 2024-07-06 12:26:58 发布
最新推荐文章于 2024-07-06 12:26:58 发布
阅读量1.3k 收藏 8
点赞数 2
分类专栏： 深度学习 学习札记 文章标签： 深度学习 python tensorflow 机器学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Promise_Lv_2019/article/details/104499980
版权

前言

B站作为新兴的学习平台，果然名不虚传，在上面搜索到了浙江大学城市学院的深度学习教程，特别好上手，于是，短短的几个小视频后， 让我对 Tensorflow 很快就有大概的了解，也能马上码代码上手。

资源传送门

问题描述

给定平面上的一堆散点，然后使用一个一维线性模型 y = k ∗ x + b y = k*x + b y=k∗x+b来拟合, 所谓的训练，就是根据给定的样本，求未知参数 k k k 和 b b b。

数据样本

选取 k = 2 , b = 1 k =2, b = 1 k=2,b=

最低0.47元/天 解锁文章
小柯同学_2019
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(Matplotlib绘图基础＜散点图＞python)
Z_W_H_的博客
04-25 617
散点图（Scatter）： 是数据点在直角坐标系中的分布图 scatter() 函数 marker参数——数据点样式
TensorFlow入门教程（三）：线性回归，曲线拟合
小明同学
02-28 1862
本节通过一个简单的线性回归来理解神经网络是如何工作的。 定义了一个两层网络，采用梯度下降法，通过对权值的训练，对曲线进行拟合 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 定义变量 x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis] ...
【深度学习】图形模型基础(5)：线性回归模型第三部分：线性回归模型拟合
最新发布
MUKAMO的博客
07-06 1173
本文为读者提供了一个全面的回归分析指南，涵盖了从单变量线性回归到更复杂的模型，包括多变量、非线性模型以及在预测和因果推断中的应用。文中介绍了最小二乘法、最大似然估计和贝叶斯推断，解释了它们的数学结构和如何使用stan_glm进行贝叶斯回归分析。此外，还探讨了个别数据点对回归拟合的影响，以及如何通过加权平均斜率来理解最小二乘估计。最后，讨论了使用lm和stan_glm拟合函数的比较，以及置信区间、不确定性区间和兼容性区间的概念，并提供了相关文献以供深入研究。
tensorflow 拟合sin曲线，并绘图
jackiezhao2008的专栏
05-28 1533
tensorflow使用深度模型进行分类问题训练大概分为以下几步： 1：提取数据，包括数据打乱，训练和测试数据分割 2：定义深度网络模型 3：训练模型，包括定义损失函数、梯度下降最小化损失函数 4：测试模型 下面是一个二分类的模型学习与测试。数据是用sin生成要给曲线，曲线上面的数据定义标签为1，下面的定义为0。 输入数据就两个特征，分别为横轴和纵轴坐标。 两层网络模型，第一层32个神经元，第二层8个神经元。 使用交叉熵损失，梯度下降（未使用SGDM、Adam等梯度下降） 测试结果使用ma
【DeepLeaning】2（2）基础-绘制散点图
huangxl1991的博客
08-19 224
#coding:UTF-8 #导入必要的模块 import numpy as np import matplotlib.pyplot as plt #产生测试数据 x = np.arange(1,10) y = x fig = plt.figure() ax1 = fig.add_subplot(111) #设置标题 ax1.set_title('Scatter Plot') #设置X轴标签 plt.xlabel('X') #设置Y轴标签 plt.ylabel('Y') #画散点图 ax1.scatter.
深度学习模型性能对比散点图
qq_39333636的博客
07-19 2072
深度学习模型性能对比散点图，坐标是FLOPs和精度。散点的直径是模型参数量。可以按需调整
TensorFlow学习记录-- 4.拟合曲线
hxshine的博客
11-11 4074
一 已知模型拟合直线这里先用numpy创建一些数据点x，然后计算出出标签y(加了一些正态分布的随机点),最后用tensorflow去拟合这些点。代码以及图1.构建点x和标签yimport numpy as npnum_points = 1000 vectors_set = [] for i in xrange(num_points): x1= np.random.normal(0.
【01】使用TensorFlow绘制散点图并显示
yeler082的博客
04-20 2719
1、使用TensorFlow绘制散点图（代码）import tensorflow as tf import matplotlib.pyplot as plt # 随机数生成 a = tf.random_normal([2,20]) # 启动会话 sess = tf.Session() # 运行 out = sess.run(a) # 从运行结果中获得数据 x, y = out # 绘图 plt....
tensorflow构造神经网络拟合数据
szj_huhu的博客
06-17 2278
coding:utf-8“”” 构造神经网络拟合数据 “”” import tensorflow as tf import numpy as np import matplotlib.pyplot as plt构造神经网络（正向构造）def add_layer(inputs,in_size,out_size,activation_function=None): Weights =
学习神经网络&深度学习 Tensorflow2.0 散点图&学习日记2
sheldonkai的博客
03-05 1175
二、散点图(Scatter) 1.scatter(x,y,scale,color,marker,label) marker(数据点的样式) scale(数据点的大小) label(图例文字) marker参数–数据点样式 o * + 需要什么图形即用什么图形 plt.rcParams['font.sans-serif']="SimHei" #设置默认字体为中文黑体 plt.scatter(x,y...
《实战》 用Tensorflow 实现线性回归
当回首往事的时候，不会因虚度年华而悔恨，也不会因碌碌无为而羞愧。
04-21 2388
用Tensorflow 实现线性回归1.生成样本数据x_data,和y_data2. 构建预测模型3.迭代进行训练，获取最佳的w和b 1.生成样本数据x_data,和y_data 本次案例主要是通过学习的tensorflow实现找到最佳的w和b的拟合曲线 首先通过随机函数生成一个在一定范围内的随机数，作为一个x 构建目标函数的f（x），通过f（x）去拿到一个实际的一个y的值 我们先假设这个目标函数的表达式为 y = 0.3*x + 0.1 ,通过梯度下降，拟合出最合适的w和b import tensorfl
基于tensorflow实现线性回归的模型训练预测
12-21
基于tensorflow实现线性回归的模型训练预测 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf if __name__ == '__main__': with tf.Graph().as_default(): # 一、执行图的构建 # a. 定义占位符 input_x = tf.placeholder(dtype=tf.float32, shape=[None, 1], name='x') input_y = tf.
tensorflow一步一步实现一个线性回归预测模型
01-07
1.指定每段程序的作用域 tf.variable_scope #指定作用域tf.variable_scope with tf.variable_scope(data): # 1.准备数据, x 特征值 [100,1] y 目标值[100] # 指定均值为0.75 方差为0.5 x = tf.random_normal([100, 1], mean=0.75, stddev=0.5, name=x_data) # 真实值 y = 0.7 * x + 0.8 # 矩阵相乘必须是二维的
matlab实现平滑深度学习网络训练曲线
03-23
小编最近写文章的时候发现，训练网络，使用tensorboard进行可视化展示出来的精度曲线下载后生成csv或json类型的文件，小编尝试了使用各种方法进行文件的读取和绘图，但出来的效果并不能很好的展示在文章上面。所以找了一段用matlab进行平滑曲线的程序。挂在上面。总的来说就是~~~~怕丢！
K-近邻算法 代码实例-通过数据集创建散点图
尚未佩妥剑 转眼便江湖
09-10 768
1. 创建散点图 在使用创建散点图的时候，中文显示不出来，需要python中添加中文字体，在头部添加 import matplotlib as mpl，mpl.rcParams[‘font.sans-serif’] = [‘SimHei’],这两行代码。函数的作用是从文件中读入训练数据，然后存储为矩阵。 “”" 函数作用：从文件中读入训练数据，并存储为矩阵 :param filename:文件名字...
第九章 深度学习 python经典习题 条形图 正弦函数 散点图 表格排序（类似结构体）
weixin_43960370的博客
04-20 318
题目 import matplotlib.pyplot as plt name_list = ['1', '2', '3', '4','5','6','7','8'] num_list = [3, 1, 4, 5, 8, 9, 7, 2] plt.bar(range(len(num_list)), num_list, color='b', tick_label=name_list) plt.sh...
机器学习之散点图简单绘制程序
韩韩的博客
07-29 1350
import matplotlib.pyplot as plt import numpy as np x = np.arange(1, 10) y = [2, 5, 6, 7, 8, 1, 9, 10, 3] y2 = x fig = plt.figure() ax1 = fig.add_subplot(111) cValue = x * 10 ax1.scatter(x, y, c=cValue...
深度学习的拟合问题总结
liu1073811240的博客
11-19 2690
文章目录前言一、过拟合1.1 过拟合产生的原因1.2 过拟合的解决办法二、欠拟合1.1 欠拟合产生的原因及解决办法 前言        在机器学习或深度学习中,经常会出现欠拟合和过拟合这两个问题。一开始模型往往是欠拟合的，需要神经网络优化权重参数，达到拟合的结果。但是参数优化到一定程度就需要解决过拟合的问题了。        拟合一般分为欠拟合、过拟合、刚好拟合这
如何用神经网络去拟合一条曲线？
weixin_56529327的博客
10-27 2101
利用神经网络去拟合某条曲线
Python绘制线性回归最佳拟合线的散点图教程
"这篇资源是关于使用Python进行线性回归分析并可视化最佳拟合线的散点图。代码示例中使用了pandas库来导入数据，seaborn库来进行数据可视化，以及ggplot风格的设定。数据集来源于GitHub，包含汽车的汽缸数(cyl)、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值