TensorFlow实现一元线性模型

本文为学习 http://studyai.com/blog/article/detail/12d4fa58a09341bd9b1cc9df82762eb5 的笔记

源代码可直接参考上面链接，本文不再粘贴，

执行上面代码需要安装如下依赖：

pip3 install matplotlib

sudo apt install python3-tk

这里有一个损失函数的概念（loss function），当然在琢磨之后或使用几次也是能搞清楚这个函数是啥意思的，初次接触可能是有点迷惑；我觉得说的更简单一点就是“扣分规则函数”，就是如果计算结果和预期的完全一致，则扣分为0，这是终极目的，虽然大部分情况下不可能达到，但是我们的目的也依旧是希望该函数的计算结果越小越好，而损失函数其实是设计了一个扣分标准，比如语数英理化生几门课，制定规则哪门课占的比重大一些，用损失函数告诉计算机，数学的权重要比生物的权重高等，而我们不关注政治成绩；这是个人理解，不知道有没有把该概念说清楚。

下面附上《TensorFlow技术解析与实战.李嘉璇》的第8章的代码

import tensorflow as tf
import numpy as np# 构造满足一元二次方程的函数
x_data = np.linspace(-1, 1, 300)[:, np.newaxis]
# 为了使点更密一些,我们构建了 300 个点,分布在 -1 到 1 区间,直接采用 np 生成等差数列的方法,
# 并将结果为 300 个点的一维数组,转换为 300 × 1 的二维数组
noise = np.random.normal(0, 0.05, x_data.shape)
# 加入一些噪声点,使它与 x_data 的维度一致,并且拟合为均值为 0 、方差为 0.05 的正态分布
y_data = np.square(x_data) - 0.5 + noise
# y = x^2 – 0.5 + 噪声接下来定义 x 和 y 的占位符来作为将要输入神经网络的变量:
xs = tf.placeholder(tf.float32, [None, 1])
ys = tf.placeholder(tf.float32, [None, 1])def add_layer(inputs, in_size, out_size, activation_function=None):# 构建权重: in_size × out_size 大小的矩阵weights = tf.Variable(tf.random_normal([in_size, out_size]))# 构建偏置: 1 × out_size 的矩阵biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)# 矩阵相乘Wx_plus_b = tf.matmul(inputs, weights) + biasesif activation_function is None:outputs = Wx_plus_belse:outputs = activation_function(Wx_plus_b)return outputs  # 得到输出数据# 构建隐藏层,假设隐藏层有 10 个神经元
h1 = add_layer(xs, 1, 20, activation_function=tf.nn.relu)
# 构建输出层,假设输出层和输入层一样,有 1 个神经元
prediction = add_layer(h1, 20, 1, activation_function=None)
# 计算预测值和真实值间的误差
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)init = tf.global_variables_initializer()  # 初始化所有变量
sess = tf.Session()
sess.run(init)
for i in range(1000):  # 训练 1000 次sess.run(train_step, feed_dict={xs: x_data, ys: y_data})if i % 50 == 0:  # 每 50 次打印出一次损失值print(sess.run(loss, feed_dict={xs: x_data, ys: y_data}))

TensorFlow实现一元线性模型相关推荐

使用Tensorflow训练一元线性模型
我的原文:www.hijerry.cn/p/26959.htm- 引言这是一次使用python进行机器学习的实验. 一是总结自己学过的各种python包,二是了解一下使用python进行机器学习大概 ...
一元线性模型用R语言进行拟合
一.一元线性模型介绍一元线性模型的数学形式: 回归分析的主要任务就是通过n组样本观测值,对进行估计.一般用分别表示的估计值,则称为y关于x的一元线性经验回归方程. 二.R语言实现以下为R语 ...
R语言一元线性模型及结果分析
#读取CSV格式的文件,也可以读取XSL data1=read.csv("C:/Users/Administrator/Desktop/11%kirng树高025.csv",hea ...
tensorflow教程一元线性回归
视频 https://www.bilibili.com/video/BV1jK4y187yB?p=50
数据分析——最小二乘法建立线性回归方程（最简单的一元线性模型为例）
概述别看公式多,其实很简单最小二乘法其实又叫最小平方法,是一种数据拟合的优化技术.实质上是利用最小误差的平方寻求数据的最佳匹配函数,利用最小二乘法可以便捷的求得未知的数据,起到预测的作用,并且是的 ...
利用最小二乘法算法预测考研人数
随着就业压力越来越多,社会对学历要求越来越高,考研成为了提升就业竞争能力的首选.以下为小编收集的考研信息,用最小二乘法算法进行预测. 基本思想:求出这样一些未知参数使得样本点和拟合线的总误差(距离)最 ...
[Python人工智能] 二.TensorFlow基础及一元直线预测案例
从本篇文章开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇文章讲解了TensorFlow的安装过程和神经网络基础概念.这篇文章将分享TensorFlow基础并介绍一元直线 ...
使用鸢尾花数据集实现一元逻辑回归、多分类问题
目录鸢尾花数据集逻辑回归原理 [1]从线性回归到广义线性回归 [2]逻辑回归 [3]损失函数 [4]总结 TensorFlow实现一元逻辑回归多分类问题原理独热编码多分类的模型参数损失函数 ...
TensorFlow笔记（3）——利用TensorFlow和MNIST数据集训练一个最简单的手写数字识别模型...
前言当我们开始学习编程的时候,第一件事往往是学习打印"Hello World".就好比编程入门有Hello World,机器学习入门有MNIST. MNIST是一个入门级的计算机 ...

TensorFlow实现一元线性模型

TensorFlow实现一元线性模型相关推荐

最新文章

热门文章