2 非線性回歸

2022-05-14 23:46:29 字數 1603 閱讀 2284

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 import


dense,activation


from keras.optimizers import sgd



#


使用numpy生成200個隨機點 


x_data = np.linspace(-0.5,0.5,200)


noise = np.random.normal(0,0.02,x_data.shape)


y_data = np.square(x_data) +noise


#顯示隨機點


構建乙個順序模型


model =sequential()


#在模型中新增乙個全連線層


#1-10-1


model.add(dense(units=10,input_dim=1,activation='


relu'))


#model.add(activation('tanh'))


model.add(dense(units=1,activation='


relu'))


#model.add(activation('tanh'))


#定義優化演算法


sgd = sgd(lr=0.3)


#sgd:stochastic gradient descent，隨機梯度下降法


#mse:mean squared error，均方誤差


model.compile(optimizer=sgd,loss='


mse')#


訓練3001個批次


for step in range(3001):


#每次訓練乙個批次


cost =model.train_on_batch(x_data,y_data)


#每500個batch列印一次cost值


if step % 500 ==0:


print('


cost:


',cost)


#x_data輸入網路中，得到**值y_pred


y_pred =model.predict(x_data)


#顯示隨機點


plt.scatter(x_data,y_data)


#顯示**結果

				
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...

				
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...

				
Tensorflow 線性回歸與非線性回歸
二次代價函式 均方差 神經網路 1 20 1 w1 tf.variable tf.random normal 1 20 b1 tf.variable tf.zeros 20 wxplus1 tf.matmul x,w1 b1 l1 tf.nn.tanh wxplus1 w2 tf.variable ...