第4章线性模型.pptxVIP

下载本文档

0
0
约小于1千字
约 14页
2020-02-21 发布于江苏
举报
版权申诉

第4章线性模型.pptx

1、本文档共14页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第4章线性模型;4.1 常见线性模型;4.2 一元线性回归;4.2.1 生成训练数据;4.2.2 定义训练模型;4.2.3 数据训练;4.2.4 运行总结;4.3 多元线性回归;4.3.2 加载训练数据对于训练数据，我们同样是通过模拟生成。 4.3.3 构建训练模型通过使用最小化均方误差来进行实现线性回归的训练模型 y = tf.matmul(W, x_data) + b loss = tf.reduce_mean(tf.square(y - y_data));4.3.4 进行数据训练总共训练1000次，每次的学习率为0.05。为了便于查看训练过程，每训练完成20次，输出当前的训练次数、w、b值。 4.3.5 运行总结随着训练的进行，拟合的值与目标值不断靠近。;4.4 逻辑回归;4.4 逻辑回归;4.4.2 加载训练数据对于训练数据，我们同样是通过模拟生成。我们假设平面中点A（x1,x2），如果该点坐标轴值满足x1*2+x2≤2的条件，则认为是一个类型；满足x1*2+x2＞2的是另一个类型。 4.4.3 构建训练模型通过使用最小化均方误差来进行实现线性回归的训练模型 y = tf.sigmoid(tf.matmul(x, W) + b) cross_entropy = -tf.reduce_sum(y_ * tf.log(y) + (1-y_) * tf.log(1-y))/sample_size;4.4.4 进行数据训练使用数据进行训练 4.4.5 运行总结随着训练的进行，拟合的值与目标值不断靠近。对于最终训练结果，拟合直线对照如下：