欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

线性回归

程序员文章站 2022-04-17 08:30:36
import kerasimport numpy as npimport matplotlib.pyplot as plt from keras.models import Sequential #按顺序构成的模型 如一层层构成的神经网络from keras.layers import Dense #全连接层#生成数据x = np.random.rand(100)noise = np.random.normal(0,0.01,x.shape) #增加噪声y = x * 0.1 + 0.2...
import keras
import numpy as np
import matplotlib.pyplot as plt 
from keras.models import Sequential #按顺序构成的模型 如一层层构成的神经网络
from keras.layers import Dense  #全连接层
#生成数据
x = np.random.rand(100)
noise = np.random.normal(0,0.01,x.shape)  #增加噪声
y = x * 0.1 + 0.2 + noise
#绘制散点图
plt.scatter(x,y)
plt.show()  
#构建顺序模型
model = Sequential()
#在模型中添加一个全连接层  units:输出的维度  input_dim:输入的维度
model.add(Dense(units=1,input_dim = 1))
#optimizer:优化器  默认sgd:随机梯度下降法 loss:损失函数  mse:均方误差
model.compile(optimizer='sgd',loss='mse')  
#训练模型
for step in range(3001):
    #训练模型不是一次只放入一个数据进行训练的,
    #一般每次都是放入一个批次的数据进行训练,用train_on_batch实现
    cost = model.train_on_batch(x,y)
    if step % 300 == 0:
        print('cost:',cost)
#model.layers[0].get_weights 返回某一层的权值和偏置
w,b = model.layers[0].get_weights()   
print("w:",w,'b:',b)
y_predict = model.predict(x)
plt.scatter(x,y)
plt.plot(x,y_predict,color='red',lw=3)  #plot 绘制折线图 lw:线宽
plt.show()

线性回归

本文地址:https://blog.csdn.net/qq_38253797/article/details/109629091