TensorFlow多维拟合和预测实例

好的，以下是一个简单的 TensorFlow 多维拟合和预测实例：

import tensorflow as tf
import numpy as np

# 生成训练数据
x_data = np.random.rand(1000, 3)
y_data = np.dot(x_data, [[0.1], [0.2], [0.3]]) + 0.4

# 定义模型
x = tf.placeholder(tf.float32, [None, 3])
y = tf.placeholder(tf.float32, [None, 1])
W = tf.Variable(tf.zeros([3, 1]))
b = tf.Variable(tf.zeros([1]))
y_pred = tf.matmul(x, W) + b

# 定义损失函数和优化器
loss = tf.reduce_mean(tf.square(y - y_pred))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 训练模型
sess = tf.Session()
sess.run(tf.global_variables_initializer())
for i in range(1000):
    sess.run(train, feed_dict={x: x_data, y: y_data})

# 预测新数据
x_new = np.random.rand(10, 3)
y_pred_new = sess.run(y_pred, feed_dict={x: x_new})
print(y_pred_new)

这个实例中，我们生成了一个包含 3 个特征的训练数据集，使用 TensorFlow 定义了一个多维线性回归模型，并通过梯度下降优化器进行训练，最后预测了一批新的数据。