1.7 用NumPy实现回归实例

前面我们介绍了NumPy的属性及各种操作，对如何使用NumPy数组有了一定认识。下面我们将分别用NumPy、TensorFlow实现同一个机器学习任务，比较它们之间的异同及优缺点，从而加深对TensorFlow的理解。

我们用最原始的NumPy实现有关回归的一个机器学习任务。这种方法的代码可能有点多，但每一步都是透明的，有利于理解每一步的工作原理。主要步骤分析如下。

首先，给出一个数组x，然后基于表达式y=3x2+2，加上一些噪声数据，到达另一组数据y。

然后，构建一个机器学习模型，学习表达式y=wx2+b的两个参数w、b。数组x、y的数据为训练数据。

最后，采用梯度下降法，通过多次迭代，学习后得出w、b的值。

以下为具体实现步骤。

1）导入需要的库。

2）生成输入数据x及目标数据y。

设置随机数种子，生成同一份数据，以便用多种方法进行比较。

3）查看x、y的分布情况。

运行结果如图1-11所示。

4）初始化权重参数。

5）训练模型。

定义损失函数，假设批量大小为100：

对损失函数求导：

利用梯度下降法学习参数，学习率为lr。

用代码实现上面这些表达式：

6）可视化结果。

运行结果如下，效果如图1-12所示。

从结果看来，学习效果还是比较理想的。