线性回归python程序，归一化

最新推荐文章于 2023-03-05 16:31:26 发布

weixin_43224696

最新推荐文章于 2023-03-05 16:31:26 发布

阅读量809

点赞数

本文链接：https://blog.csdn.net/weixin_43224696/article/details/84639820

版权

这篇博客介绍了如何使用Python和TensorFlow进行线性回归，通过生成200个随机点并添加噪声来模拟数据，然后定义神经网络结构，包括中间层和输出层，采用梯度下降法进行训练。最终，通过绘制预测值与实际值的散点图展示模型效果。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#使用numpy生成200个随机点
x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis]
noise=np.random.normal(0,0.02,x_data.shape)
y_data=np.square(x_data)+noise

#定义两个placeholder（占位符）
x=tf.placeholder(tf.float32,[None,1])
y=tf.placeholder(tf.float32,[None,1])

#定义神经网络中间层
Weights_L1=tf.Variable(tf.random_normal([1,10]))#创建一个权值weights_L1，创建一个随机数，它的形状是一行十列(1代表1个输入（1个输入层），10个中间层)
blases_L1=tf.Variable(tf.zeros([1,10]))
Wx_plus_b_L1=tf.matmul(x,Weights_L1)+blases_L1#tf.matmul为矩阵的乘法，得到信号的总和Wx_plus_b_L1
L1=tf.nn.tanh(Wx_plus_b_L1)#激活函数作用于信号的总和Wx_plus_b_L1

#定义输出层（输出层的输入相当于中间层的输出）
Weights_L2=tf.Variable(tf.random_normal([10,1]))#10个中间层，1个输出
blases_L2=tf.Variable(tf.zeros([1,1]))
Wx_plus_b_L2=tf.m