Python_2019-06-14_机器学习——Tensorflow——回归拟合线实验

最新推荐文章于 2025-07-18 09:28:32 发布

原创最新推荐文章于 2025-07-18 09:28:32 发布 · 182 阅读

0 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

21 篇文章

订阅专栏

本文通过使用TensorFlow实现线性回归模型，演示了如何利用梯度下降法最小化损失函数，以找到最佳的权重和偏置参数。通过1000次迭代，逐步调整模型参数，最终绘制出损失函数变化趋势图及拟合直线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
x = tf.constant([1,2,3,4,5,6], dtype=tf.float32, name='x')
y = tf.constant([3,4,7,8,11,14], dtype=tf.float32, name='y')
print(x,y)
w = tf.Variable(1.0, dtype=tf.float32, name='w')
b = tf.Variable(1.0, dtype=tf.float32, name='b')
print(w,b)
loss = tf.reduce_sum(tf.square(y-(w*x+b)))
print(loss)

opti = tf.train.GradientDescentOptimizer(0.005).minimize(loss)

sess = tf.Session()
sess.run(tf.global_variables_initializer())

MSE=[]
for i in range(1000):
    sess.run(opti)
    MSE.append(sess.run(loss))
    if i%50==0:
        print((sess.run(w),sess.run(b)))

import matplotlib.pyplot as plt
plt.figure(1)
plt.plot(MSE)
plt.show()

plt.figure(2)
x_array,y_array=sess.run([x,y])
plt.plot(x_array,y_array,'o')

yy = []
for xx in range(0,10):
    yy.append(sess.run(w)*xx+sess.run(b))
    pass
plt.plot(yy)
plt.show()