tensorflow 非线性回归
来源:互联网 发布:网易数据库51.3g下载 编辑:程序博客网 时间:2024/06/06 17:33
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#线性回归#使用numpy生成200个随机点 变成200行1列x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis]#生成一些干扰项noise=np.random.normal(0,0.2,x_data.shape)y_data=np.square(x_data)*noise#定义样本#行不确定,但是只有一列x=tf.placeholder(tf.float32,[None,1])y=tf.placeholder(tf.float32,[None,1])#构建简单的神经网络的中间层 1个输入神经元 10个中间神经元Weight_l1=tf.Variable(tf.random_normal([1,10]))baise_l1 = tf.Variable(tf.zeros([1,10]))#matmul矩阵的乘法Wx_plus_b_11=tf.matmul(x,Weight_l1)+baise_l1l1=tf.nn.tanh(Wx_plus_b_11)#定义输出层 中间层10个神经元 输出层1个神经元Weight_12=tf.Variable(tf.random_normal([10,1]))biase_12=tf.Variable(tf.zeros([1,1]))Wx_plus_b_12=tf.matmul(l1,Weight_12)+biase_12prediction=tf.nn.tanh(Wx_plus_b_12)#二次代价函数loss=tf.reduce_mean(tf.square(y-prediction))#使用梯度下降法train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for _ in range(2000): sess.run(train_step,feed_dict={x:x_data,y:y_data}) #获得预测值 predict_value=sess.run(prediction,feed_dict={x:x_data}) #画图 plt.figure() plt.scatter(x_data,y_data) # r-代表是红色的实线 lw 代表线宽为5 plt.plot(x_data,predict_value,'r-',lw=5) plt.show()
阅读全文
0 0
- tensorflow实现非线性回归
- Tensorflow-非线性回归
- tensorflow 非线性回归
- tensorflow 非线性回归
- 非线性回归
- 非线性回归(逻辑回归)
- Tensorflow深度学习笔记(四)-利用神经网络预测非线性回归示例
- 一元非线性回归模型
- MATLAB多元非线性回归
- 非线性回归分析
- 7.5 非线性回归算法
- 非线性回归(上)
- tensorflow之非线性方程
- 深度学习框架TensorFlow学习与应用(二)——非线性回归、MINST数据集分类
- 多元非线性回归问题算法
- SAS进行多元非线性回归
- §7 非线性回归模型
- 7.6 非线性回归算法应用
- 如何预防SQL注入,XSS漏洞(spring,java)
- luoguP1842奶牛玩杂技
- python使用多线程爬取表情包
- 419. Battleships in a Board
- UVALive 7147 World Cup ——思维题
- tensorflow 非线性回归
- struts2_day01_12_Action三种编写方式
- OpenStack-M版(Mitaka)搭建基于(Centos7.2)+++五、Openstack计算服务(nova)上
- Meeting with Aliens UVA
- 个人总结49
- 数据库系统实现 第一章 DBMS 系统概述
- 自上而下,逐步求精
- 关于三星的dnw软件烧录bin引起的问题
- zookeeper环境搭建