非線性回歸模型 二

2021-09-17 22:46:52 字數 1453 閱讀 1702

import tensorflow as tf


import numpy as np


import matplotlib.pyplot as plt


#使用numpy生成200個隨機點


x_data=np.linspace(-0.8,0.8,200)[:,np.newaxis]#200行1列矩陣


noise=np.random.normal(0,0.01,x_data.shape)#200行1列矩陣


y_data=np.square(x_data)+noise#200行1列矩陣


#定義兩個placeholder


x=tf.placeholder(tf.float32,[none,1])#任意行1列矩陣


y=tf.placeholder(tf.float32,[none,1])#任意行1列矩陣


#定義神經網路中間層


weights_l1=tf.variable(tf.random_normal([1,10]))


biases_l1=tf.variable(tf.zeros([1,10],tf.float32))


w_plus_b_l1=tf.matmul(x,weights_l1)+biases_l1


l1=tf.nn.tanh(w_plus_b_l1)  


#定義神經網路輸出層


weights_l2=tf.variable(tf.random_normal([10,1]))


biases_l2=tf.variable(tf.zeros([1,1]))


w_plus_b_l2=tf.matmul(l1,weights_l2)+biases_l2


output=tf.tanh(w_plus_b_l2)


#二次代價函式


loss=tf.reduce_mean(tf.square(y-output))


#使用梯度下降法訓練


train_step=tf.train.gradientdescentoptimizer(0.1).minimize(loss)


with tf.session() as sess:


init=tf.global_variables_initializer()


sess.run(init)


for i in range(5000):


sess.run(train_step,feed_dict=)


#獲得**值


output_value=sess.run(output,feed_dict=)


#畫圖plt.figure()

				
tensorflow非線性回歸
該程式有輸入層，中間層和輸出層 執行環境 ubuntun menpo queen queen x550ld downloads py python nonliner regression.py coding utf 8 定義乙個神經網路 輸入層乙個元素，中間層10個神經元，輸出層1個元素 impor...

				
2 非線性回歸
import keras import numpy as np import matplotlib.pyplot as plt sequential按順序構成的模型 from keras.models import sequential dense全連線層 from keras.layers imp...

				
1 線性回歸與非線性回歸
線性回歸就是針對回歸問題的一種線性模型。特點 簡單優雅，模型本身擬合樣本能力不強，通常需要深層次的特徵。對損失函式的一些解釋 假定誤差服從中心極限定理，說明了誤差進行疊加最後趨近於標準正態分佈，先對誤差建立極大似然估計，然後引入到樣本上，最終求解得到損失函式。ps 中心極限定理假定每個樣本需要滿足均...