机器学习模型策略算法（tensorflow入门）
发布时间
阅读量：
阅读量
这是一个简明扼要的线性拟合案例。借助numpy库生成一组测试数据，在这些数据中需要拟合的参数包括变量W和b。其中，在原始数据集中我们设定参数W为[0.1, 0.2]、b值为0.3。通常，在构建机器学习模型时会遵循以下三个主要步骤：
- 模型架构：基于决策函数设计
- 策略设计：通过求取最优解来构建决策函数作为损失函数的基础
- 算法流程：经过逐步优化后的最终解决方案
为此举例说明以下这个简化的案例，请问您能具体解释这三个部分各自对应的内容是什么吗？
import tensorflow as tf
import numpy as np
#使用Numpy生成假数据，总共100个点
X_data = np.float32(np.random.rand(2, 100)) # 2*100
y_data = np.dot([0.1, 0.2], X_data) + 0.300 #1*100
# print(np.shape(X_data))
#构造一个线性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1,2], -1.0, 1.0)) #返回一个1*2的矩阵，其中值符合[-1.0,全部评论 (0)
还没有任何评论哟~