TensorFlow教程 lesson 14 Noise data: random distribution

此前的研究内容主要围绕线性回归模型展开模拟分析，本文则着重探讨学习与训练阶段中所涉及的训练数据相关问题。

在前文所提及的y=3*x + 1的训练案例中，所采用的数据集完全符合理论设定，未掺杂任何误差因素，其对应的散点分布情况如下所示：

以下为绘图所采用的代码信息

    xdata = np.linspace(0,1,100)
    ydata = 2 * xdata + 1
    plt.scatter(xdata,ydata,color='b')
    
    

噪声影响

上述数据属于理想状态下的数据，未受到任何干扰因素的影响，但在实际进行模型训练时，很难确保所有数据都具备这种理想特性。即便是像线性回归这样相对简单的模型，也极少能够遇到上述类型的真实数据。
如同声音的波形会受到噪声的干扰，最终观