1. 直線擬合，幾乎是模板程式
#y 是網路計算出來的資料，y_data是真實資料
# 平方差代價函式loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.gradientdescentoptimizer(0.5) # 0.5為學習率
train = optimizer.minimize(loss)
# 初始化變數，上面只是建立變數
init = tf.initialize_all_variables()
sess = tf.session()
sess.run(init) # run乙個圖示，init被啟用 重要的一步
2. 網路的訓練過程
forstep
inrange
(200
):
sess.run(train)ifstep % 20 == 0:
#列印步數，權值，偏置
print(step, sess.run(weights), sess.run(biases))
結果：0 [ 0.37922099] [ 0.02147558]
20 [ 0.20696808] [ 0.24341425]
40 [ 0.13433076] [ 0.28183916]
60 [ 0.11101826] [ 0.29417139]
80 [ 0.10353626] [ 0.29812935]
100 [ 0.10113496] [ 0.29939961]
120 [ 0.10036424] [ 0.29980734]
140 [ 0.10011692] [ 0.29993817]
160 [ 0.10003753] [ 0.29998016]
180 [ 0.10001207] [ 0.29999363]
MATLAB 曲線擬合
x0.1 0.20.15 0.0 0.2 0.3y 0.95 0.84 0.86 1.06 1.50 0.72 函式功能多項式的擬合運算 呼叫方法polyfit x,y,n x為橫座標，y為縱座標，n為擬合階數。例子x 0 0.1 2.5 1y erf x p polyfit x,y,6 p 0.0...
matlab 曲線擬合
在matlab中經常需要對資料進行曲線擬合，如最常見的多項式擬合，一般可以通過cftool呼叫曲線擬合工具 curve fit tool 通過圖形介面可以很方便的進行曲線擬合，但是有些時候也會遇到不方便用圖形工具。因此這裡簡單的記下兩種常用的擬合方法。1 多項式擬合 polyfit和polyval ...
Python曲線擬合
z1 np.polyfit x,y,5 用3次多項式擬合 p1 np.poly1d z1 print p1 在螢幕上列印擬合多項式 yvals p1 x 也可以使用yvals np.polyval z1,x plot1 plt.plot x,y,k.markersize 16,label origi...