TensorFlow简单线性回归
TensorFlow簡單線性回歸
將針對波士頓房價數據集的房間數量（RM）采用簡單線性回歸，目標是預測在最后一列（MEDV）給出的房價。
波士頓房價數據集可從http://lib.stat.cmu.edu/datasets/boston處獲取。
直接從 TensorFlow contrib 數據集加載數據。使用隨機梯度下降優化器優化單個訓練樣本的系數。
實現簡單線性回歸的具體做法
-
導入需要的所有軟件包：
-
在神經網絡中，所有的輸入都線性增加。為了使訓練有效，輸入應該被歸一化，所以這里定義一個函數來歸一化輸入數據：
-
現在使用 TensorFlow contrib 數據集加載波士頓房價數據集，并將其分解為 X_train 和 Y_train。可以對數據進行歸一化處理：
-
為訓練數據聲明 TensorFlow 占位符：
-
創建 TensorFlow 的權重和偏置變量且初始值為零：
-
定義用于預測的線性回歸模型：
-
定義損失函數：
-
選擇梯度下降優化器：
-
聲明初始化操作符：
-
現在，開始計算圖，訓練 100 次：
-
查看結果：
解讀分析
從下圖中可以看到，簡單線性回歸器試圖擬合給定數據集的線性線：
在下圖中可以看到，隨著模型不斷學習數據，損失函數不斷下降：
下圖是簡單線性回歸器的 TensorBoard 圖：
該圖有兩個名稱范圍節點 Variable 和 Variable_1，它們分別是表示偏置和權重的高級節點。以梯度命名的節點也是一個高級節點，展開節點，可以看到它需要 7 個輸入并使用 GradientDescentOptimizer 計算梯度，對權重和偏置進行更新：
總結
本節進行了簡單的線性回歸，但是如何定義模型的性能呢？
有多種方法可以做到這一點。統計上來說，可以計算 R2 或將數據分為訓練集和交叉驗證集，并檢查驗證集的準確性（損失項）。
總結
以上是生活随笔為你收集整理的TensorFlow简单线性回归的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： TensorFlow csv读取文件数据
- 下一篇： TensorFlow多元线性回归实现