使用Tensorflow实现简单线性回归

针对波士顿房价数据集采用简单线性回归，预测最后一列给出的房价
波士顿房价数据集可从http://lib.stat.cmu.edu/datasets/boston处获取。

实现简单线性回归的具体做法

1：导入所需要的软件包
2：在神经网络中，所有的输入都线性增加，为了使训练有效，输入应该被归一化，所以这里定义一个函数来归一化输入数据
3：加载波士顿房价数据集，将其分解为X_train和Y_train，并对数据进行归一化处理
4：为训练数据声明Tensorflow占位符
5:创建Tensorflow的权重和偏置变量且初始化值为0
6：定义用于预测的线性回归模型
7：定义损失函数
8：选择梯度下降优化器
9：声明初始化操作符
10：开始计算图
11：查看结果

代码如下

#1:导入所需软件包
import tensorflow as tf
import  numpy as np
import  matplotlib.pyplot as plt
from sklearn.datasets import  load_boston#2:在神经网络中，所有输入都线性增加，为了使训练有效，输入应该被归一化
#定义函数来归一化输入数据tf.compat.v1.disable_eager_execution()def normalize(X):''' Normalizes the array X'''mean = np.mean(X)std = np.std(X)X = (X-mean)/stdreturn X
#3:加载波士顿数据集
#，并将其分解为X_train,Y_train 可以对数据进行归一化处理boston = load_boston()
X_train,Y_train = boston.data[:,5],boston.target
X_train = normalize(X_train)
n_samples = len(X_train)
#4:为训练数据声明Tensroflow占位符
X = tf.compat.v1.placeholder(tf.float32,name='X')
Y = tf.compat.v1.placeholder(tf.float32,name='Y')#5:创建Tensorflow的权重和偏置变量且初始化为0
b = tf.compat.v1.Variable(0.0)
w = tf.compat.v1.Variable(0.0)#6：定义用于预测的线性回归模型
Y_hat = X*w+b
#7:定义损失函数
loss = tf.compat.v1.square(Y-Y_hat,name='loss')#8:选择梯度下降优化器
optimizer =tf.compat.v1.train.GradientDescentOptimizer(learning_rate=0.01).minimize(loss)#9:声明初始化操作符
init_op = tf.compat.v1.global_variables_initializer()
total = []#10 开始计算图，训练100次
with tf.compat.v1.Session() as sess:sess.run(init_op)writer = tf.compat.v1.summary.FileWriter('graphs',sess.graph)for i in range(100):total_loss = 0for x,y in zip(X_train,Y_train):l = sess.run([optimizer,loss],feed_dict={X:x,Y:y})total_loss+=1total.append(total_loss/n_samples)print('Epoch {0}:Loss {1}'.format(i,total_loss/n_samples))writer.close()b_value,w_value = sess.run([b,w])#11:查看结果Y_pred = X_train*w_value+b_valueprint('Done')plt.plot(X_train,Y_train,'bo',label = 'Real Data')plt.plot(X_train,Y_pred,'r',label = 'Predicted Data')plt.legend()plt.show()plt.plot(total)plt.show()

最后结果

使用Tensorflow实现简单线性回归相关推荐

TensorFlow实现简单线性回归
文章目录实验主题-TensorFlow实现简单线性回归案例实现实验效果逻辑回归或线性回归是用于对离散类别进行分类的监督机器学习方法.在本章中的目标是构建一个模型,用户可以通过该模型预测预测变量 ...
tensorflow处理简单线性回归
import numpy as np import tensorflow as tf import matplotlib.pyplot as plt num_points = 100 set =[] ...
TensorFlow简单线性回归
TensorFlow简单线性回归将针对波士顿房价数据集的房间数量(RM)采用简单线性回归,目标是预测在最后一列(MEDV)给出的房价. 波士顿房价数据集可从http://lib.stat.cmu.e ...
梯度下降的线性回归用python_运用TensorFlow进行简单实现线性回归、梯度下降示例...
线性回归属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数训练的好不好(即此函数是否足够拟合训练集数据),挑选出最好的函数(cost f ...
ols线性回归_普通最小二乘[OLS]方法使用于机器学习的简单线性回归变得容易
ols线性回归 Hello Everyone! 大家好! I am super excited to be writing another article after a long time sinc ...
Tensorflow实现多元线性回归
上一篇使用tensorflow实现了简单的线性回归,这次在简单的线性回归基础上,通过在权重和占位符声明中修改来对相同的数据进行多元线性回归. 同样以波士顿房价数据为例波士顿房价数据集可从http: ...
[机器学习-实践篇]学习之线性回归、岭回归、Lasso回归，tensorflow实现的线性回归
线性回归.岭回归.Lasso回归前言 1.线性回归 2. 岭回归 3. Lasso回归 4. tensorflow利用梯度下降实现的线性回归前言本章主要介绍线性回归.岭回归.Lasso回归,te ...
利用TensorFlow实现多元线性回归
利用TensorFlow实现多元线性回归,代码如下: # -*- coding:utf-8 -*- import tensorflow as tf import numpy as np from sk ...
TensorFlow案例实现线性回归
TensorFlow案例实现线性回归一.线性回归原理复习根据数据建立回归模型,w1x1+w2x2+-..+b = y,通过真实值与预测值之间建立误差,使用梯度下降优化得到损失最小对应的权重和偏置. ...

使用Tensorflow实现简单线性回归

实现简单线性回归的具体做法

代码如下

最后结果

使用Tensorflow实现简单线性回归相关推荐

最新文章

热门文章