上篇文章中我们讲解了单变量线性回归的例子,对于非线性的数据分布,用单变量线性回归拟合程度一般,我们来试试多项式回归。
前面的步骤还是和上篇一样,后面会添加多个变量来对数据进行拟合。
1、数据准备
实际的数据大家可以通过pandas等package读入,也可以使用自带的Boston House Price数据集,这里为了简单,我们自己手造一点数据集。
%matplotlib inline
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (14,8)
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,开好容器来装数据
X = tf.placeholder(tf.float32, name=