机器学习代码学习(一)-first-dichotomy
下面代码为: .ipynb文件, 可以在Jupyter上运行
题目为:
给了40组数据(x,y)坐标
要求找出一条线进行分类(二分法)
from __future__ import print_function, division
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
train= pd.read_csv('/Users/liyixin/Desktop/AI/first-dichotomy/diamond.csv') #import csv檔案
train_X = train['carats'] #x軸
train_Y = train['price'] #y軸learning_rate = 0.01 #學習速率
n_samples = train_X.shape[0]
training_epochs = 1000 #訓練次數
display_step = 50 #每50次,印出結果
X = tf.placeholder(tf.float32) #Tensorflow中的佔位符,暫時儲存變量,用來傳入資料
Y = tf.placeholder(tf.float32) #Tensorflow中的佔位符,暫時儲存變量,用來傳入資料W = tf.Variable(tf.random_normal([1]), name="weight", dtype=tf.float32) # W 指的是係數,斜率介於 -1 至 1 之間
b = tf.Variable(tf.zeros([1]), name="bias", dtype=tf.float32) # b 指的是截距,從 0 開始逼近任意數字pred = W*X+b # pred是預測值cost =tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples) #平均方差
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) #梯度下降演算法,找最小值init =tf.global_variables_initializer() #初始化所有變數with tf.Session() as sess:sess.run(init)for epoch in range(training_epochs):for (x, y) in zip(train_X, train_Y):sess.run(optimizer, feed_dict={X: x, Y: y})if (epoch+1) % display_step == 0:c = sess.run(cost, feed_dict={X: train_X, Y:train_Y})print("Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(c), \"W=", sess.run(W), "b=", sess.run(b))print("Optimization Finished!")training_cost = sess.run(cost, feed_dict={X: train_X, Y: train_Y})print("Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n')plt.plot(train_X, train_Y, 'ro', label="Original data")plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label="Fitted line")plt.legend()plt.show()
机器学习代码学习(一)-first-dichotomy相关推荐
- DL之AF:机器学习/深度学习中常用的激活函数(sigmoid、softmax等)简介、应用、计算图实现、代码实现详细攻略
DL之AF:机器学习/深度学习中常用的激活函数(sigmoid.softmax等)简介.应用.计算图实现.代码实现详细攻略 目录 激活函数(Activation functions)相关配图 各个激活 ...
- 吴恩达《机器学习》学习笔记十一——神经网络代码
吴恩达<机器学习>学习笔记十一--神经网络代码 数据准备 神经网络结构与代价函数· 初始化设置 反向传播算法 训练网络与验证 课程链接:https://www.bilibili.com/v ...
- 吴恩达《机器学习》学习笔记七——逻辑回归(二分类)代码
吴恩达<机器学习>学习笔记七--逻辑回归(二分类)代码 一.无正则项的逻辑回归 1.问题描述 2.导入模块 3.准备数据 4.假设函数 5.代价函数 6.梯度下降 7.拟合参数 8.用训练 ...
- 吴恩达《机器学习》学习笔记四——单变量线性回归(梯度下降法)代码
吴恩达<机器学习>学习笔记四--单变量线性回归(梯度下降法)代码 一.问题介绍 二.解决过程及代码讲解 三.函数解释 1. pandas.read_csv()函数 2. DataFrame ...
- 机器学习深度学习算法及代码实现
原文地址:https://blog.csdn.net/qq_31456593/article/details/69340697 最近在学机器学习,学习过程中收获颇多,在此留下学习记录,希望与同道中人相 ...
- python嵩天课堂笔记_[Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周)
[Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) [Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) 目录 强化学习 定义 马尔科夫决策过程 基本元素 值函数 最优值 ...
- 编写你人生中第一个机器学习代码吧!
小之的公众号 : WeaponZhi.关注公众号并回复AI获取AI+Python资料和机器学习入门视频教程 我们先要学习的机器学习算法是监督学习,那么,何为监督学习呢?要了解监督学习,我们得先回顾下我 ...
- 独家 | 使用高斯混合模型,让聚类更好更精确(附数据代码学习资源)
作者:AISHWARYA SINGH 翻译:张玲 校对:张一豪 本文约3500字,建议阅读10+分钟. 本文简单介绍聚类的基础知识,包括快速回顾K-means算法,然后深入研究高斯混合模型的概念,并用 ...
- 2016年大数据Spark“蘑菇云”行动代码学习之AdClickedStreamingStats模块分析
2016年大数据Spark"蘑菇云"行动代码学习之AdClickedStreamingStats模块分析 系统背景:用户使用终端设备(IPAD.手机.浏览器)等登录系统,系 ...
最新文章
- 一个简洁OKR是成功的关键因素
- c语言编程功率谱,有谁会用C编写求功率谱(答案越多越好)
- 随e行安全层在与远程计算机初始化,g3随e行怎么用_g3随e行怎么安装_随e行wlan无法登陆...
- 当前计算机领域中 有关计算机的性能指标,计算机文化基础真题(十七)
- CTF个人总结指南(更新中)
- 轨迹预测演变(第1/2部分)
- YBTOJ:伞兵空降(二分图匹配)
- python类的构造方法名称_Python的面向对象、Class 概念与使用
- python命名规范_Python 常用命名规则
- excel、doc等office文件转pdf方法总结
- 三星c7000 android8,三星C7000官方固件rom刷机包-C7000ZCU3CRI1 安卓8.0
- 自考计算机基础知识考题,自考计算机应用基础试题及参考答案
- IIS无法启动计算机上的服务W3SVC如何修复
- 阿铭Linux_网站维护学习笔记20190304
- 音创ktv点歌系统服务器,音创ktv点歌系统家庭版
- Raid控制器-megacli 命令简易使用介绍
- 引用动态链接库的原理
- 粒子系统-烟花效果的实现
- 解决开发板不兼容earpods问题
- 黑苹果引导工具 Clover 配置详解及Clover Configurator使用