数组x,基于表达式: 加上一些噪声数据得到y
然后学习表达式 中的w与b 两个参数,这里采用梯度下降法。
import numpy as np
from matplotlib import pyplot as plt
np.random.seed(100) # 设置随机数种子
x = np.linspace(-1, 1, 100).reshape(100, 1)
y = 3 * np.power(x, 2) + 2 + 0.2 * np.random.rand(x.size).reshape(100, 1)
plt.scatter(x, y)
plt.show()
# 初始化随机参数
w1 = np.random.rand(1, 1)
b1 = np.random.rand(1, 1)
# 训练模型
lr = 0.001
for i in range(800):
# 前向传播
y_pred = np.power(x, 2) * w1 + b1
# loss
loss = 0.5 * (y_pred - y) ** 2
loss = loss.sum()
# 计算梯度
grad_w = np.sum((y_pred - y) * np.power(x, 2))
grad_b = np.sum((y_pred - y))
# 使用梯度下降,min loss
w1 -= lr * grad_w
b1 -= lr * grad_b
# 可视化结果
plt.plot(x,y_pred,'r-',label='predict')
plt.scatter(x,y,color='blue',marker='o',label='true')
plt.xlim(-1,1)
plt.ylim(2,6)
plt.legend()
plt.show()
print(w1,b1)
拟合前:
拟合效果图: