实验在jupyter notebook上运行。
一、导入相关包
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline # 保证图像直接在notebook上显示,不用显示调用plt.show()
二、随机生成x,y数据
num_points = 1000
vector_sets = []
for i in range(num_points):
x1 = np.random.normal(0.0, 0.55)
y1 = x1 * 0.1 + 0.3 + np.random.normal(0.0, 0.03) # 产生噪声
vector_sets.append([x1, y1])
# 生成一些样本
x_data = [v[0] for v in vector_sets]
y_data = [v[1] for v in vector_sets]
plt.scatter(x_data, y_data, c='r')
三、构造线性回归模型
构造线性回归模型,训练出两个参数w、b。
在机器学习中,需要对权重系数W
随机初始化,不能取零;偏置系数b
可以初始化为零。
3.1 计算预估值
#