神经网络 | 一次函数、二次函数、线性拟合

最新推荐文章于 2024-08-06 00:30:14 发布

游无方

最新推荐文章于 2024-08-06 00:30:14 发布

阅读量3.4k

点赞数 2

分类专栏： python

本文链接：https://blog.csdn.net/weixin_40021197/article/details/104545482

版权

一次函数

对于拟合一元一次函数，我们只需要一个神经元：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
import matplotlib.pyplot as plt
import os
#tf.enable_eager_execution()
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

x_test = np.linspace(-200,200,1000)
y_test = x_test * 3.14 + 2.12
x_data = np.random.uniform(-100,100,10000)
y_data = x_data * 3.14 + 2.12 + np.random.normal(0,20,10000)
plt.plot(x_data,y_data,'.')
plt.plot(x_test,y_test)

model = tf.keras.Sequential()
model.add(layers.Dense(1, activation=None))

model.compile(optimizer=tf.keras.optimizers.Adam(0.1),
              loss='mse',       # mean squared error
              metrics=['mae'])  # mean absolute error

model.fit(x_data.reshape(-1,1), y_data.reshape(-1,1), epochs=10, batch_size=20)

y_pred = model.predict(x_test,batch_size=20)
plt.plot(x_test,y_pred,'--')

注意此时我们不需要激发函数，所以将神经元中的激发函数设置为None。（也可以设置为linear）

神经网络模型中需要注意的是输出层的神经元数量需要与y_data的维度相同。
如果y_data的维度为1，输出层有n个神经元，则之后的预测值y_pred也会相应的维度变为n，并且每一个维度数值相同。
如果输出层有1一个神经元，y_data的维度为n，则之后的预测值y_pred维度变为1，训练结果更接近y_data取均值后的结果。这可能是矩阵运算中的降维处理造成的。
其他维度不匹配的情况会报错。

线性拟合

我们尝试拟合一个多元线性模型：

k1 = 3.14
k2 = 5.67
k3 = 2
k4 = 2
b = 10
beta = 2

x1_data = np.random.uniform(-100,100,10000)
x2_data = np.random.uniform(-100,100,10000)
x3_data = np.random.uniform(-100,100,10000)
x4_data = np.random.uniform(-100,100,10000)
be_data = np.zeros(10000)
be_data