TensorFlow(二) 用TensorFlow为线性回归算法实现矩阵分解

import matplotlib.pyplot as plt
import  numpy as np
import tensorflow as tfsess=tf.Session()
x_vals=np.linspace(0,10,100)
y_vals=x_vals+np.random.normal(0,1,100)#装换成矩阵 reshape成 (None,1)
x_vals_column=np.transpose(np.matrix(x_vals))#用来合并 100个元素 （100，2）*（2,1）=(100,1) ==> 若为一个元素  （1，2）*（2,1）=(1,1) 符合运算形式 [2,1]*[[1],[2]]=[4] 即为 kx+b=y  =>(x,1)*(k,b)=y==>A*x=b
ones_column=np.transpose(np.matrix(np.repeat(1,100)))
#tuple 参数
A=np.column_stack((x_vals_column,ones_column))
b=np.transpose(np.matrix(y_vals))
#reshape
A_tensor=tf.constant(A)
b_tensor=tf.constant(b)
#(2,2) 简化运算 *转置矩阵 降维
#A*x=b ==> A^T*A*x=A^t*b  ==> tA_A * x = A^T*b
tA_A=tf.matmul(tf.transpose(A_tensor),A_tensor)#A*x=b  =>  cholseky() 分解矩阵  tA_A=LL'  ==>    LL'* x=A^T*b
L=tf.cholesky(tA_A)
#得到A^t*b
tA_b=tf.matmul(tf.transpose(A_tensor),b_tensor)
# L'* x
solve1=tf.matrix_solve(L,tA_b)
#x
solve2=tf.matrix_solve(tf.transpose(L),solve1)
solution_eval=sess.run(solve2)
#获取最终结果
slope=solution_eval[0][0]
y_intercept=solution_eval[1][0]
print(str(slope))
print(str(y_intercept))
best_fit=[]
for i in x_vals:best_fit.append(slope*i+y_intercept)
plt.plot(x_vals,y_vals,'o')
plt.plot(x_vals,best_fit,'r-')
plt.show()

转载于:https://www.cnblogs.com/x0216u/p/9167279.html

TensorFlow(二) 用TensorFlow为线性回归算法实现矩阵分解相关推荐

matlab中服从高斯分布的矩阵_推荐基础算法之矩阵分解PMF
推荐基础算法之矩阵分解PMF 大多数存在的协同过滤算法不能处理以下两种情况: 1. 不能处理大规模数据 2.不能处理评分非常少的用户数据概率矩阵分解模型可以解决大规模.稀疏且不平衡的数据.这篇文章主 ...
两个卡方分布之和_推荐基础算法之矩阵分解PFM
推荐基础算法之矩阵分解PFM PFM被称为概率因子模型(Probabilistic Factor Model)或泊松因子模型(Poission factor model).PFM本质上和概率矩阵分解( ...
推荐算法之--矩阵分解(Matrix Factorization)
文章目录推荐算法之--矩阵分解(Matrix Factorization) 1. 共现矩阵 2. 矩阵分解(MF) 3. SVD实现矩阵分解(MF) 4. 梯度下降实现矩阵分解(MF) 4.1 ...
【译文】构建一个图书推荐系统 – 基础知识、knn算法和矩阵分解
作者 Susan Li 译者钱亦欣几乎每个人都有过过在某些网站被个性化推销商品的经历,亚马逊会告诉你购买这本书的读者还购买了-,Udemy则会显示浏览了这些课程的学生也浏览了-.Netfilix于 ...
机器学习中的常见问题——K-Means算法与矩阵分解的等价
一.K-Means算法的基本原理 K-Means算法是较为经典的聚类算法,假设训练数据集XXX为:{x1,x2,⋯,xn}" role="presentation" st ...
【Python学习系列二十三】Scikit_Learn库降维方法(矩阵分解)-PCAFA
1主成分分析PCA 1.1 精确PCA和似然估计 PCA基于最大方差的正交变量分解多维数据集.在scikit-learn库中,PCA的实现是先通过fit方法计算n维的特征值和特征向量,然后通过tran ...
mf模型 svd++_算法小板报(六)——初探MF(矩阵分解)和FM模型
一.简介矩阵分解(Matrix Factorization,MF)是推荐系统中非常经典的一个算法,虽然现今工业界直接使用的较少,但其背后蕴含的编码降维思想,得以广泛应用于推荐领域之中.本文则主要来梳 ...
ciaodvd数据集的简单介绍_基于注意力机制的规范化矩阵分解推荐算法
随着互联网技术的发展以及智能手机的普及, 信息超载问题也亟待解决.推荐系统[作为解决信息超载问题的有效工具, 已被成功应用于各个领域, 包括电子商务.电影.音乐和基于位置的服务等[.推荐系统通过分析用 ...
基于矩阵分解的协同过滤算法
基于矩阵分解的协同过滤算法基于矩阵分解的CF算法实现(一):LFM LFM原理解析损失函数随机梯度下降法优化基于矩阵分解的CF算法实现(二):BiasSvd BiasSvd 损失函数随机梯度 ...
推荐算法矩阵分解实战——keras算法练习
当今这个信息爆炸的社会,每个人都会面对无数的商品,无数的选择.而推荐算法的目的帮助大家解决选择困难症的问题,在大千世界中推荐专属于你的商品. 推荐系统算法简介这里简单介绍下推荐系统中最为主要的协同过 ...

TensorFlow(二) 用TensorFlow为线性回归算法实现矩阵分解

TensorFlow(二) 用TensorFlow为线性回归算法实现矩阵分解相关推荐

最新文章

热门文章