【深度学习】Tensorflow完成线性回归对比机器学习LinearRegression()

首先构建一个线性的点状图

import warnings
warnings.filterwarnings('ignore')
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.linear_model import LinearRegression
import tensorflow as tf X = np.linspace(2,12,50).reshape(-1,1)w = np.random.randint(1,6,size = 1)[0]b = np.random.randint(-5,5,size = 1)[0]
y = X*w + b + np.random.randn(50,1)*0.7plt.scatter(X,y)

查看X,y的类型

print(X.shape,y.shape)

(50, 1) (50, 1)

使用线性回归查看预测的系数为了对比TF

linear = LinearRegression()linear.fit(X,y)print(linear.coef_,linear.intercept_)

[[3.05044116]] [-1.33814071]

print(w,b) #最后测试对比

3 -1

Tensorflow完成线性回归

1、定义占位符、变量

# 线性回归理论基础是最小二乘法
X_train = tf.placeholder(dtype=tf.float32,shape = [50,1],name = 'data')y_train = tf.placeholder(dtype=tf.float32,shape = [50,1],name = 'target')w_ = tf.Variable(initial_value=tf.random_normal(shape = [1,1]),name = 'weight')b_ = tf.Variable(initial_value=tf.random_normal(shape = [1]),name = 'bias')

2、构造方程（线性方程，矩阵乘法）

# 构建方程 f(x) = Xw + b
# 构建的方程，就是预测的结果
y_pred = tf.matmul(X_train,w_) + b_
# shape = (50,1)
y_pred

<tf.Tensor ‘add:0’ shape=(50, 1) dtype=float32>

3、最小二乘法（平均最小二乘法）

cost=1m∑i=0M(y−ypred)2cost = \frac{1}{m}\sum_{i = 0}^M(y - y_{pred})^2cost=m1i=0∑M(y−ypred)2

# 二乘法(y_pred - y_train)**2 返回的结果是列表，没有办法比较大小
# 平均最小二乘法，数值，mean
# 平均：每一个样本都考虑进去了
cost = tf.reduce_mean(tf.pow(y_pred - y_train,2))
cost

<tf.Tensor ‘Mean_1:0’ shape=() dtype=float32>

4、梯度下降（tf，提供了方法）

# 优化，cost损失函数，越小越好
opt = tf.train.GradientDescentOptimizer(0.01).minimize(cost)
opt

<tf.Operation ‘GradientDescent_1’ type=NoOp>

5、会话进行训练（for循环），sess.run()，占位符（赋值）

with tf.Session() as sess:#     变量，初始化sess.run(tf.global_variables_initializer())for i in range(1000):opt_,cost_ = sess.run([opt,cost],feed_dict = {y_train:y,X_train:X})if i %50 == 0:print('执行次数是：%d。损失函数值是：%0.4f'%(i+1,cost_))
#     for循环结束，训练结束了
#     获取斜率和截距W,B = sess.run([w_,b_])print('经过100次训练，TensorFlow返回线性方程的斜率是：%0.3f。截距是：%0.3f'%(W,B))

执行次数是：1。损失函数值是：581.9765
执行次数是：51。损失函数值是：1.3099
执行次数是：101。损失函数值是：1.0826
。。。
执行次数是：951。损失函数值是：0.4290
经过100次训练，TensorFlow返回线性方程的斜率是：3.033。截距是：-1.194

6、可视化

plt.scatter(X,y)x = np.linspace(0,14,100)plt.plot(x,W[0]*x + B,color = 'green')

【深度学习】Tensorflow完成线性回归对比机器学习LinearRegression()相关推荐

python深度学习tensorflow和fme结合，实现档案扫描件数据自动分类
文章目录前言一.深度学习基础知识简介 1.什么是深度学习 2.深度学习的原理 3.深度学习应用场景二.深度学习环境搭建 1.深度学习库的安装 2.CUDA和对应版本的cudnn下载三.实战教学 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（八）（TensorFlow基础））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...
2017深度学习最新报告及8大主流深度学习框架超详细对比（内含PPT）
2017深度学习最新报告(PPT) 深度学习领军人物 Yoshua Bengio 主导的蒙特利尔大学深度学习暑期学校目前"深度学习"部分的报告已经全部结束. 本年度作报告的学术 ...
深度学习三大框架（对比）
人工智能的浪潮正席卷全球,诸多词汇时刻萦绕在我们的耳边,如人工智能,机器学习,深度学习等."人工智能"的概念早在1956年就被提出,顾名思义用计算机来构造复杂的,拥有与人类智慧同样 ...
使用深度学习TensorFlow框架进行图片识别
Apsara Clouder大数据专项技能认证:使用深度学习TensorFlow框架进行图片识别本认证系统的介绍了深度学习的一些基础知识,以及Tensorflow的工作原理.通过阿里云机器学习PAI ...
百度云-深度学习tensorflow搭建
百度云上部署Tensorflow进行模型训练上半年就了解过百度云但是还是tf1.0版本的,而谷歌3月份的升级到1.2改动挺大的,百度云上更新滞后,所以尽管有tf平台,版本落后每小时付费还是有点小贵, ...
当前的深度学习框架不会改变机器学习的能力增长
文章来源:ATYUN AI平台框架只是在应用程序中广泛采用机器学习的中间步骤.我们需要的是更多的视觉产品,而这些可能还需要几年的时间. 当前的机器学习(ML)框架是ML的产品化过程中需要的一个中间步 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（十四）（卷积神经网络））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(十四)(卷积神经网络)) 14 卷积神经网络 14.1 深度学习基础 14.1.1 深度学习的基本思想 14.1.2 深度学习三 ...
python模型训练框架_深度学习三大框架（对比）
人工智能的浪潮正席卷全球,诸多词汇时刻萦绕在我们的耳边,如人工智能,机器学习,深度学习等."人工智能"的概念早在1956年就被提出,顾名思义用计算机来构造复杂的,拥有与人类智慧同样 ...