![](https://cdn-ak-scissors.b.st-hatena.com/image/square/a4114e1cd1ba35f9622358413f6afad05e5bd712/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9VGVuc29yRmxvdyVFMyU4MSVBNyVFMyU4MiVBQiVFMyU4MiVCOSVFMyU4MSVCRiVFMyU4MSU5RiVFMyU4MSU4NCVFMyU4MSVBQSVFNyVCNyU5QSVFNSVCRCVBMiVFNSU5QiU5RSVFNSVCOCVCMCUyOExpbmVhciUyMFJlZ3Jlc3Npb24lMjkmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWYxZWY0ZDYxZjAyN2FmYTZmNzliNDJmOGMyOGI3NDc5%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBuYW95YXNoaWdhJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1mYTg0MmM1NGFmZDMwN2U3MWE2MTI0NWJkNzA1MWZkNw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Df37208cf8f8285e7df34dcf1359937aa)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
TensorFlowでカスみたいな線形回帰(Linear Regression) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
TensorFlowでカスみたいな線形回帰(Linear Regression) - Qiita
TensorFlowでカスみたいな線形回帰をやってみます。ダミーデータを作り、回帰直線が「Y = 2X + 3」にな... TensorFlowでカスみたいな線形回帰をやってみます。ダミーデータを作り、回帰直線が「Y = 2X + 3」になるようにがんばってみます import tensorflow as tf import numpy #学習率 learning_rate = 0.01 training_epochs = 1000 display_step = 100 # -1から1を100等分した数値が入った配列 train_X = numpy.linspace(-1, 1, 100) # shapeで配列の次元数を取得 # 誤差を生成 err = numpy.random.randn(*train_X.shape) * 0.5 # Y = 2X + 3に誤差を加える train_Y = 2 * train_X + 3 + err n_samples = train_X.shape[0] #モデルを作成(p