TensorFlow学习笔记：第2章——多项式回归

Tensorflow学习笔记：基础篇（2）——多项式回归

— 在前文的学习笔记（1）中提及，线性回归模型在拟合正弦函数时存在较大局限性，所得到的损失函数值并不理想。接下来，将在原有Tensorflow程序的基础上进行调整，保持整体框架结构和数据集不变，仅将线性回归模型替换为多项式回归模型，以观察最终的拟合效果如何。
— 不多赘述，直接进入正题

计算流程

1、数据准备

2、准备好placeholder

3、初始化参数/权重

4、计算预测结果

5、计算损失值

6、初始化optimizer

7、指定迭代次数，并在session执行graph

代码示例展示

1、数据准备

在区间【-3，3

    import numpy as np
    import tensorflow as tf
    import matplotlib.pyplot as plt
    
    n_observations = 100
    xs = np.linspace(-3, 3, n_observations)
    ys = np.sin(xs) + np.random.uniform