本文介绍了如何使用Tensorflow实现多项式回归，包括L1（Lasso）、L2（Ridge）正则化。首先，对输入向量进行预处理，通过扩维增加交互项。然后，构建简单的神经网络模型，应用L2正则化防止过拟合。虽然可以扩展为L1正则化和Elastic Net，但文中仅展示了L2正则化的实现。最后，通过matplotlib展示回归曲线。
Tensorflow 实现多项式回归， L1，L2正则化
此处还有另一种实现多项式回归的方法哦
程序基本思想：
step1 输入向量的预处理
将输入的向量例如
x = [ x 1 x 2 . . . x n ] x = \begin{bmatrix} x_1 \\ x_2 \\ ...\\x_n \end{bmatrix} x=⎣⎢⎢⎡x1x2...xn⎦⎥⎥⎤
进行扩维，变成
x = [ x 1 0 x 1 1 x 1 2 x 1 3 x 2 0 x 2 1 x 2 2 x 2 3 . . . x n 0 x n 1 x n 2 x n 3 ] x = \begin{bmatrix} {x_1}^0 & {x_1}^1 & {x_1}^2 & {x_1}^3\\ {x_2}^0 & {x_2}^1 & {x_2}^2 & {x_2}^3\\ ...\\{x_n}^0 & {x_n}^1 & {x_n}^2 & {x_n}^3\end{bmatrix} x=⎣⎢⎢⎡x1</
最低0.47元/天 解锁文章
扫一扫
690
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
