tensorflow实现回归

直线拟合：y=w*x+b

"""
回归:直线拟合
"""
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
x_data=np.random.rand(100)
y_data=x_data*5+1W=tf.Variable(0.)
b=tf.Variable(0.)
y_pred=W*x_data+bx=tf.placeholder(shape=None,dtype=tf.float32)loss=tf.reduce_mean(tf.square(y_data-y_pred))
optimizer=tf.train.GradientDescentOptimizer(0.3).minimize(loss)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())for i in range(100):sess.run(optimizer)if i %10==0:W1,b1=sess.run([W,b])print('step={},W={},b={}'.format(i,W1,b1))prediction=sess.run(y_pred,feed_dict={x:x_data})plt.scatter(x_data,y_data)plt.plot(x_data,prediction)plt.show()

二，二次拟合 :y=w*x*x+b ,一层hidden layer,10个节点，一个output一个节点

"""
回归：二次拟合
"""
import tensorflow as tf
import  numpy as np
import matplotlib.pyplot as plt
#生成两百个随机点
x_data=np.linspace(-1,1,200).reshape([-1,1]).astype(np.float32)
noise=np.random.normal(loc=0.,scale=0.02,size=x_data.shape)
y_data=np.square(x_data)+noisex=tf.placeholder(shape=[None,1],dtype=tf.float32)
y=tf.placeholder(shape=[None,1],dtype=tf.float32)
#hidden_layer
W1=tf.Variable(tf.random_normal(shape=[1,10],stddev=tf.sqrt(2.)),dtype=tf.float32)
b1=tf.Variable(tf.zeros(shape=[1,10]),dtype=tf.float32)#output_layer
W2=tf.Variable(tf.random_normal(shape=[10,1],stddev=tf.sqrt(2./10)),dtype=tf.float32)
b2=tf.Variable(tf.zeros(shape=[1,1]),dtype=tf.float32)Z1=tf.matmul(x_data,W1)+b1
A1=tf.nn.relu(Z1)
y_pred=tf.matmul(A1,W2)+b2
# y_pred=tf.nn.relu(Z2)loss=tf.reduce_mean(tf.reduce_sum(tf.square(y-y_pred),axis=1))
optimizer=tf.train.GradientDescentOptimizer(0.2).minimize(loss)with tf.Session() as sess:sess.run(tf.global_variables_initializer())costs=[]for i in range(2000):cost,_=sess.run([loss,optimizer],feed_dict={x:x_data,y:y_data})if i%100==0:costs.append(cost)prediction = sess.run(y_pred, feed_dict={x: x_data})plt.scatter(x_data, y_data)plt.plot(x_data,prediction)plt.show()plt.plot(costs)plt.show()

打印结果：

tensorflow实现回归相关推荐

8.1 mnist_soft,TensorFlow构建回归模型
背景之前已经写了很多TensorFlow的基本知识,现在利用TensorFlow实现一些简单的功能,对原来的知识进行串联,并初步入门,该部分共包括三篇,分别实现的是回归模型,浅层神经网络,KNN. ...
tensorflow逻辑回归实现对Creditcard数据集分析
tensorflow逻辑回归实现 1.Creditcard数据集链接:https://pan.baidu.com/s/149ex4qxoGtC5b4a-29X0Jw 提取码:rfpk 复制这段内容后 ...
[Python人工智能] 四.TensorFlow创建回归神经网络及Optimizer优化器
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基础和一元直线预测的案例,以及Session.变量.传入值和激励函数:这篇文章将详 ...
Tensorflow逻辑回归处理MNIST数据集
#1:导入所需的软件 import tensorflow as tf ''' 获取mnist数据放在当前文件夹下,利用input_data函数解析该数据集 train_img和train--label ...
Tensorflow—非线形回归
代码: import tensorflow as tf import numpy as np import matplotlib.pyplot as plt#使用numpy来生成两百个随机点, 范围在 ...
8.2 TensorFlow实现KNN与TensorFlow中的损失函数,优化函数
前言 8.1 mnist_soft,TensorFlow构建回归模型中对主要对计算图的概念与公式与计算图的转化进行了介绍,8.2则主要介绍一下TensorFlow中自带的几个算子,与优化函数,损失函数 ...
sklearn中lstm_分别用sklearn和tensorflow做房价预测
原标题:分别用sklearn和tensorflow做房价预测本篇是后面用tensorflow做回归时的一个参照,忍不住要说的是sklearn真是简单好用,要不是他没有卷积cnn等时髦模型,真是不想用 ...
用TensorFlow的Linear/DNNRegrressor预测数据
五月两场 | NVIDIA DLI 深度学习入门课程 5月19日/5月26日一天密集式学习快速带你入门阅读全文> 正文共2762个字,预计阅读时间8分钟. 今天要处理的问题对于一个只学了线性 ...
tensorflow入门笔记(一)
Tensorflow实现直线拟合代码: #用tensorflow做回归 #用的是tensorflow2版本做直线拟合 import numpy as np import matplotlib.pyp ...

tensorflow实现回归

tensorflow实现回归相关推荐

最新文章

热门文章