TensorFlow机器学习小案例(三)

本文通过使用TensorFlow实现了一个简单的线性回归模型,并通过生成的随机数据集进行了演示。该模型围绕y=0.1x+0.3的直线进行拟合,展示了如何利用TensorFlow构建基本的机器学习模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

利用TensorFlow实现线性回归模型demo

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

# 随机生成1000个点,围绕在y=0.1x+0.3的直线周围
num_points = 1000
vectors_set = []
for i in range(num_points):
          x1 = np.random.normal(0.0,0.55)
          y1 = x1 * 0.1 + 0.3 + np.random.normal(0.0,0.03)
          vectors_set.append([x1, y1])

# 生成一些样本
x_data = [v[0] for v in vectors_set]
y_data = [v[1] for v in vectors_set]

plt.scatter(x_data, y_data, c='r', label='Original data')
#plt.plot(x_data, y_data, c='r', label='Original data') 画线
plt.legend()
plt.show()

这里写图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值