TensorFlow实战2：实现多项式回归

最新推荐文章于 2024-07-24 22:26:34 发布

闪电小飞猪

最新推荐文章于 2024-07-24 22:26:34 发布

阅读量2.5k

点赞数 3

分类专栏： tensorflow实战案例文章标签：人工智能 TensorFlow 机器学习 python

本文链接：https://blog.csdn.net/chengshuhao1991/article/details/78545464

版权

本文介绍了如何使用TensorFlow进行多项式回归，通过实例展示了如何处理非线性数据分布，包括数据准备、定义placeholder、初始化参数、计算预测值、损失函数、优化器以及训练过程，最终实现对数据的高拟合度。

摘要由CSDN通过智能技术生成

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()