pvalienteverde

def generar_matriz_coeficientes(datos:np.array, grado:int=1):
    matriz_coeficientes = np.ones((len(datos), grado), dtype=np.float32)
    for elevado in range(1, grado):
        matriz_coeficientes[:, elevado] = np.power(datos, elevado)
    
    return matriz_coeficientes
    
>>>generar_matriz_coeficientes(np.array([3,2]),grado=3)
Out[5]: 
array([[ 1.,  3.,  9.],

pvalienteverde

with grafo_gradiente_descendente.as_default():
    
    # Entrada de los datos
    datos_entrada = tf.placeholder(dtype=tf.float32,shape=train_x.shape)
    datos_salida = tf.placeholder(dtype=tf.float32,shape=train_y.shape)           
            
    # Inicilizacion de la variable
    pesos = tf.Variable(tf.zeros([datos_entrada.get_shape()[1], 1]))
    
    # Definimos funcion coste

pvalienteverde

train_x = ...
train_y = ...

def get_minibatches(x_train,y_train,indices):
    for idx in indices:        
        yield x_train[idx],y_train[idx]

with tf.Session(graph=grafo_gradiente_descendente) as sesion_SGD:
    tf.initialize_all_variables().run()
    for _ in range(iteraciones_maximas):

pvalienteverde

train_x = ...
train_y = ...

with tf.Session(graph=grafo_gradiente_descendente) as sesion_SG:
    tf.initialize_all_variables().run()
    for iteracion in range(iteraciones_maximas):    
        _,p,e_ite= sesion_SG.run([optimizador,pesos,ecm],feed_dict={datos_entrada:train_x,datos_salida:train_y})        
        ...