线性模型 遇到的问题

初步学习 会有很多的问题 一点一点积累记录下来吧

import numpy as np
import matplotlib.pyplot as plt

x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]

#穷举法
w_list = []
mse_list = []

def forward(x):
    return w*x

def loss(x,y):
    y_pred = forward(x)
    return (y_pred-y)**2
    
for w in np.arange(0,4.1,0.1):
    print("w：",w)
    mse_val = 0 #这里循环时候给放到for循环外面导致了mse 计算不断增大
    for x_val,y_val in zip(x_data,y_data):
        y_pred_val = forward(x_val) #输入函数输成了x_data 出现问题真菜！
        loss_val = loss(x_val,y_val)
        mse_val += loss_val
        print(x_val,y_val,y_pred_val,loss_val)
    w_list.append(w) #append 每次增加一个数据
    mse_list.append(mse_val/3)
    print("MSE:",mse_val/3)
#绘制 w和loss 的关系曲线   
plt.plot(w_list,mse_list)
plt.ylabel("LOSS")
plt.xlabel("w")
plt.show()

实现最简单的 y=w*x 的穷举计算

下面就是 y=w*x+b 的穷举 并绘制三维图像

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  #绘制3D图像

x_data = [1.0,2.0,3.0]
y_data = [2.0,4.0,6.0]

#依旧穷举法
w = np.arange(0,4.1,0.1)
b = np.arange(0,4.1,0.1)
w,b = np.meshgrid(w,b)  #一会前向传播函数调用

def forward(x):
    return w*x + b

def loss(x,y):
    y_pred = forward(x)
    return (y_pred-y)**2
    
mse_val = 0
for x_val,y_val in zip(x_data,y_data):
    y_pred_val = forward(x_val) #调用前向传播 就会涉及到w b 会使用到参数wb
    loss_val = loss(x_val,y_val)
    mse_val += loss_val
    print(x_val,y_val,y_pred_val,loss_val)

fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(w,b,mse_val/3，rstride=1, cstride=1, cmap='rainbow')
plt.show()

参考大佬的博客错错莫