TensorFlow小案例

在这个小案例里,我们会随机生成一个常见的线性函数,然后使用TensorFlow,训练自己构造的线性模型,来使它无限接近于这个真实的模型。废话不多说,直接撸代码导包import numpy as np import tensorflow as tf使用numpy生成200个随机点x_data = np.random.rand(100) // 生成一个真实的模型 y_data = x_data

- 阅读全文 -

多元线性回归的代价函数推导

决策函数:hθ​(x)=θ1​x1​+θ2​x2​+...+θn​xn​=∑i=1n​θi​xi​=θTx令有m个样本,对于每个样本:y(i)=hθ​(x(i))+ϵ(i)…(1)ϵ(i)表示真实值与预测值之间的误差,我们通常认为ϵ(i)是独立并具有相同的分布,并且服从均值为0方差为θ^2的高斯分布。于是:将(1)代入(2)可得:故似然函数为:为方便求导变为对数似然:此时我们需要求得参数θ^使似然

- 阅读全文 -