正如之前所说,线性回归,就是寻找一条直线,是的所有的点到这条直线的距离总和最短.

这种关系用经典的线性方程可以表示如下:

y=β0+β1x

模型方法有如下的形式:

这里,β0也称作偏差(bias), 当x为0的时候,方程的值,β1是建模的那条直线的斜率.变量x通常称作自变量,而y一般称作因变量,有时也分别称作回归量和相应量.

下面生成人工数据集,在本例中,我们会随机生成一个近似采样随机分布,使得β1=2.0,β0=0.2,并加入噪声,噪声的最大振幅为0.4

import tensorflow as tf
import numpy as np

import matplotlib
import matplotlib.pyplot as plt

#均匀的返回101个-1至1之间的数组
trX = np.linspace(-1,1,101)
#β1=2 β0=0.2 并加入0.4的噪音
trY = 2*trX + np.random.randn(*trX.shape)*0.4+0.2

plt.figure()
plt.scatter(trX,trY)
plt.plot(trX,0.2+2*trX)
plt.show()