tensorflow线性回归--拟合iris花瓣数据

思路：用线性回归拟合鸢尾花花瓣长度和宽度之间的关系：y = Ax + b，其中 y 时花瓣长度，x是花瓣宽度。
建议有一点 tensorflow 基础再往下看。
下面是代码具体讲解。

先放结果吧

代码讲解

#导入库
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets# sess 我的理解就是一个发电机，让运算开始起来。要运行就用 sess.run(...)
sess = tf.Session()
iris = datasets.load_iris()# iris.data 是一个 150 行， 4 列的二维数组，如下面截图。4 列依次是萼片长度、萼片宽度、花瓣长度、花瓣宽度
y_vals  = np.array([x[2] for x in iris.data])  #花瓣长度，可以随便换
x_vals  = np.array([y[3] for y in iris.data])  #花瓣宽度# batch_size 设定一次取 10 个数据来处理
batch_size = 10# 这里写的虽然是 x_data, y_data，但它们其实只是一个容器一样的东西，
# x_data, y_data 可以装大小为 [batch_size, 1] ，类型为 tf.float64类型的数据
x_data = tf.placeholder(shape=[batch_size, 1], dtype=tf.float64)
y_data = tf.placeholder(shape=[batch_size, 1], dtype=tf.float64)# 声明变量，变量就是要计算或优化的对象，此处就是 A 和 b。
# 下面要计算，x_data, y_data 是二维数组，所以也把 A, b 声明成二维数组，只有一个元素的二维数组
A = tf.Variable(tf.random_normal(shape=[1,1], dtype=tf.float64))
b = tf.Variable(tf.random_normal(shape=[1,1], dtype=tf.float64))# 输入 y = A x + b
# 损失函数为误差平方的均值
# 用梯度下降优化，优化步长为 0.01，可以取其他
y_output = tf.add(tf.multiply(A, x_data), b)
loss = tf.reduce_mean(tf.square(y_output - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(loss)# 初始化变量
init = tf.global_variables_initializer()
sess.run(init)# loss_iter 是损失值变化，作图可以看损失值随迭代次数增加的变化情况
loss_iter = []
for i in range(201):# 产生batch_size 个范围在 0 ~ len(x_vals) 内的整数indexs = np.random.choice(len(x_vals), size=batch_size)# 我们每次随机选取 batch_size 个数据计算损失，进行优化x_rand = np.transpose([x_vals[indexs]])y_rand = np.transpose([y_vals[indexs]])loss_iter.append(sess.run(loss, feed_dict={x_data:x_rand, y_data:y_rand}))sess.run(optimizer, feed_dict={x_data:x_rand, y_data:y_rand})if  (i+1)%20 == 0:print('#\t'+str(i+1) + '\tA = ' + str(sess.run(A)) + '\tb = '+str(sess.run(b)))# 取出最终的 A 、b 值
[[AA]] = sess.run(A)
[[bb]] = sess.run(b)
y_fit = AA * x_vals + bb# 最好玩的画图
# 画回归图
plt.subplot(211)
plt.plot(x_vals, y_vals, 'go')
plt.plot(x_vals, y_fit, 'r-')
plt.xlabel('Petal length'); plt.ylabel('Petal width'); plt.title('Petal Length and Petal Width')# 画损失图
plt.subplot(212)
plt.plot(range(len(loss_iter)), loss_iter, 'b-')
plt.xlabel('Generation'); plt.ylabel('Loss'); plt.title('The Loss per Generation')
plt.show()

结果如上

tensorflow线性回归--拟合iris花瓣数据相关推荐

tensorflow Elastic Net回归，拟合 iris 数据
引言: 之前写过一篇 tensorflow线性回归–拟合iris花瓣数据.今天的Elastic Net Regression和它差不多,只不过是损失函数变了一下.我对Elastic Net 回归的理解 ...
线性回归csv数据集_数据科学的基石：统计学、机器学习、计算机科学（三）——线性回归...
数据科学家们常说,所有的模型都是错的,但是,其中一些是有用的.如果一个"有用"的模型能够过滤掉数据中哪些不重要的细枝末节,抓住其主要的内在关系,从而帮助我们更好地理解数据.很多情况 ...
tensorflow 线性回归
https://blog.csdn.net/zhangpengzp/article/details/81384154 学习tensorflow,希望与大家共同进步,下面讲述的是如何利用tensorfl ...
基于梯度下降法的——线性回归拟合
点击"小詹学Python",选择"置顶"公众号重磅干货,第一时间送达本文转载自数据分析挖掘与算法,禁二次转载阅读本文需要的知识储备: 高等数学运筹学 P ...
loss下降auc下降_梯度下降算法线性回归拟合（附Python/Matlab/Julia源代码）
梯度下降梯度下降法的原理梯度下降法(gradient descent)是一种常用的一阶(first-order)优化方法,是求解无约束优化问题最简单.最经典的方法之一. 梯度下降最典型的例子就是从 ...
TensorFlow和Keras解决大数据量内存溢出问题
NVIDIA DLI 深度学习入门培训 | 特设三场! 4月28日/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5771个字,1张图,预计阅读时间10分钟. 内存溢出问 ...
matlab最小二乘法_基于最小二乘法的线性回归拟合
阅读本文需要的知识储备: 高等数学概率论与数理统计 Python基础线性回归,其实生活中有很多这样的例子,比如:票价与行车距离.服务质量之间的关系,买房时房价与面积.地域等的关系.给我们一组这样的 ...
Python实现线性回归拟合并绘图
线性回归拟合并绘图介绍目标提示实现思路参考代码本题出自蓝桥云题库:https://www.lanqiao.cn/problems/78/learning/ 介绍线性回归是机器学习中最基础 ...
用计算机怎么算吸光度的回归方程,Pt含量与UV-Vis吸光度的线性回归拟合.doc
Pt含量与UV-Vis吸光度的线性回归拟合 PAGE2 / NUMPAGES10 Pt含量与U V-Vis吸光度的线性回归拟合学生:张薇薇学号:20111802007 教师:黄光辉学院: ...

tensorflow线性回归--拟合iris花瓣数据

先放结果吧

代码讲解

结果如上

tensorflow线性回归--拟合iris花瓣数据相关推荐

最新文章

热门文章