预测正弦函数

神坑教无心

于 2018-07-27 18:16:58 发布

阅读量1k

点赞数

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/qq_34000894/article/details/81252322

版权

本文探讨如何利用机器学习算法来预测正弦函数的数值。通过构建模型，训练数据集，并进行验证，展示了在复杂数学函数预测上的应用。文章详细介绍了数据预处理、模型选择及评估指标，为读者提供了一次深入理解机器学习在数值计算中潜力的实践案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-

# 以下程序为预测离散化之后的sin函数
import numpy as np
import tensorflow as tf
from tensorflow.contrib import rnn

# 加载matplotlib工具包，使用该工具包可以对预测的sin函数曲线进行绘图
import matplotlib as mpl
from tensorflow.contrib.learn.python.learn.estimators.estimator import SKCompat

mpl.use('Agg')
from matplotlib import pyplot as plt

learn = tf.contrib.learn
HIDDEN_SIZE = 30  # Lstm中隐藏节点的个数
NUM_LAYERS = 2  # LSTM的层数
TIMESTEPS = 10  # 循环神经网络的截断长度
TRAINING_STEPS = 10000  # 训练轮数
BATCH_SIZE = 32  # batch大小

TRAINING_EXAMPLES = 10000  # 训练数据个数
TESTING_EXAMPLES = 1000  # 测试数据个数
SAMPLE_GAP = 0.01  # 采样间隔


# 定义生成正弦数据的函数
def generate_data(seq):
    X = []
    Y = []
    # 序列的第i项和后面的TIMESTEPS-1项合在一起作为输入;第i+TIMESTEPS项作为输出
    # 即用sin函数前面的TIMESTPES个点的信息，预测第i+TIMESTEPS个点的函数值
    for i in range(len(seq) - TIMESTEPS - 1):
        X.append([seq[i:i + TIMESTEPS]])
        Y.append([seq[i + TIMESTEPS]])
    r

最低0.47元/天解锁文章