importkeras
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 ...