目前使用 python , 会些基础的 tensorflow 跟 pytroch , 大概就回归跟CNN部分
想请问目前工作上遇到的问题
x = np.linspace(0, 1, 255)[:, np.newaxis]
y = np.power(x, 2.2)
plt.scatter(x, y)
X 255 个点当中找出 30个点线性回归
但如果同时于
y1 = np.power(x, 1.8)
y2 = np.power(x, 2.2)
y3 = np.power(x, 2.6)
同时找出 y1,y2,y3 找出一组 X 30个点的线性回归
之后可能为更多组的 Y 找出共同的一组 X 30个点
https://i.imgur.com/nzou2NS.jpg
试问是否可用 deep learning 来处理?
或是还有其他方法?
谢谢

看不太懂...什么叫做255个点找出30个点做回归

你是要用30个点找出一个直线来拟合曲线?然后你的30个点是给定的,还是要学习出来的?这比较不像deep learning做的,比较像数学吧..255点中取30点的组合就不像deep learning要处理的,

资质愚钝 我看不太出来选X的依据是什么..

不过若是你的y,都是X的1次方以上,那么斜率变化较小的前30点就是要拟合直线最佳的30点...,当然不是次方而是其他函数就不一定了.

这不是deep learning 阿 是 optimization什么是最佳的30点 要讲出来xd最常使用的30点吗？ 最平均分布的三十点吗？如果是代表曲线 你要用数学定义出"最佳"才可以用framework去帮你做微积分比如说 把你TF的 cost function 定为 x在0到255曲线下面积跟自定义直线面积的差

30个点是从y1上选的 可是一样是用这条直线来算y2的loss这样吗?

所以你的曲线为12条不同的幂函数,那么这30点一定是连续,否则X越散,Y越散,问题就简化为从头开始找连续的30点,所得的误差最小,但若gamma值皆大于1,那么就是前30点,若gamma值皆大于1,那么就是后30点.这两种状况所得到的最佳解同时也是各曲线的最佳解.但若gamma值为>1及<1混合,那么,这30点应该是往中间靠,就从第一点,开始算连续30点误差,再来第二点算连续30 点,一直做下去,再看从那一点开始的连续30点所得误差最小.这个最佳解就非各曲线的最佳解.总之,这根本不是deep learning.硬要用deep learning 解会弄得非常怪异.且未必得到最佳解

其实这是微积分的问题 说不定用 excel也解的出囧你把tf跟pytorch当成微积分工具就好 不要管 DL什么的而且理论上头尾都比较接近直线所以点没那么多才对吧

起手式 import tensorflow as tf