使用tensorflow實(shí)現(xiàn)線(xiàn)性回歸
更新時(shí)間：2018年09月08日 10:02:43 作者：Missayaa
這篇文章主要為大家詳細(xì)介紹了使用tensorflow實(shí)現(xiàn)線(xiàn)性回歸，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
本文實(shí)例為大家分享了tensorflow實(shí)現(xiàn)線(xiàn)性回歸的具體代碼，供大家參考，具體內(nèi)容如下
一、隨機(jī)生成1000個(gè)點(diǎn)，分布在y=0.1x+0.3直線(xiàn)周?chē)?，并?huà)出來(lái)
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt num_points = 1000 vectors_set = [] for i in range(num_points): x1 = np.random.normal(0.0,0.55) //設(shè)置一定范圍的浮動(dòng) y1 = x1*0.1+0.3+np.random.normal(0.0,0.03) vectors_set.append([x1,y1]) x_data = [v[0] for v in vectors_set] y_data = [v[1] for v in vectors_set] plt.scatter(x_data,y_data,c='r') plt.show()
二、構(gòu)造線(xiàn)性回歸函數(shù)
#生成一維的w矩陣，取值為[-1，1]之間的隨機(jī)數(shù)
w = tf.Variable(tf.random_uniform([1],-1.0,1.0),name='W')
#生成一維的b矩陣，初始值為0
b = tf.Variable(tf.zeros([1]),name='b')
y = w*x_data+b
#均方誤差
loss = tf.reduce_mean(tf.square(y-y_data),name='loss')
#梯度下降
optimizer = tf.train.GradientDescentOptimizer(0.5)
#最小化loss
train = optimizer.minimize(loss,name='train')
sess=tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
#print("W",sess.run(w),"b=",sess.run(b),"loss=",sess.run(loss))
for step in range(20):
sess.run(train)
print("W=",sess.run(w),"b=",sess.run(b),"loss=",sess.run(loss))
//顯示擬合后的直線(xiàn)
plt.scatter(x_data,y_data,c='r')
plt.plot(x_data,sess.run(w)*x_data+sess.run(b))
plt.show()
三、部分訓(xùn)練結(jié)果如下：
W= [ 0.10559751] b= [ 0.29925063] loss= 0.000887708 W= [ 0.10417549] b= [ 0.29926425] loss= 0.000884275 W= [ 0.10318361] b= [ 0.29927373] loss= 0.000882605 W= [ 0.10249177] b= [ 0.29928035] loss= 0.000881792 W= [ 0.10200921] b= [ 0.29928496] loss= 0.000881397 W= [ 0.10167261] b= [ 0.29928818] loss= 0.000881205 W= [ 0.10143784] b= [ 0.29929042] loss= 0.000881111 W= [ 0.10127408] b= [ 0.29929197] loss= 0.000881066
擬合后的直線(xiàn)如圖所示：
結(jié)論：最終w趨近于0.1，b趨近于0.3，滿(mǎn)足提前設(shè)定的數(shù)據(jù)分布
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了python解釋器spython使用及原理解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了python基礎(chǔ)之文件操作和異常處理,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python基礎(chǔ)的小伙伴們有一定的幫助,需要的朋友可以參考下2021-04-04
Python?hug庫(kù)構(gòu)建快速可擴(kuò)展的Web API框架使用詳解
這篇文章主要介紹了Python?hug庫(kù)構(gòu)建快速可擴(kuò)展的Web API框架使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2024-02-02
這篇文章主要介紹了Python程序運(yùn)行原理圖文解析，分享了相關(guān)代碼示例，小編覺(jué)得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下2018-02-02
Python數(shù)據(jù)類(lèi)型--字典dictionary
這篇文章主要介紹了Python數(shù)據(jù)類(lèi)型字典dictionary，字典是另一種可變?nèi)萜髂Ｐ?，且可存?chǔ)任意類(lèi)型對(duì)象。下面詳細(xì)內(nèi)容需要的小伙伴可以參考一下，希望對(duì)你有所幫助2022-02-02
python從內(nèi)存地址上加載python對(duì)象過(guò)程詳解
這篇文章主要介紹了python從內(nèi)存地址上加載pythn對(duì)象過(guò)程詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
pytorch中DataLoader()過(guò)程中遇到的一些問(wèn)題
這篇文章主要介紹了pytorch中DataLoader()過(guò)程中遇到的一些問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
詳解利用OpenCV提取圖像中的矩形區(qū)域（PPT屏幕等）
這篇文章主要介紹了詳解利用OpenCV提取圖像中的矩形區(qū)域（PPT屏幕等），小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-07-07
計(jì)算 Word 文檔的頁(yè)數(shù)、字?jǐn)?shù)等信息是出版、學(xué)術(shù)和內(nèi)容管理等領(lǐng)域的一項(xiàng)基本任務(wù),本文介紹了使用Python直接獲取Word文檔頁(yè)數(shù)、字?jǐn)?shù)、段落數(shù)、節(jié)數(shù)等信息的方法,希望對(duì)大家有所幫助2024-03-03
Python基于正則表達(dá)式實(shí)現(xiàn)檢查文件內(nèi)容的方法【文件檢索】
這篇文章主要介紹了Python基于正則表達(dá)式實(shí)現(xiàn)檢查文件內(nèi)容的方法,可實(shí)現(xiàn)針對(duì)文件中import強(qiáng)制依賴(lài)的文件關(guān)系檢索,涉及Python文件目錄的遍歷及正則匹配相關(guān)操作技巧,需要的朋友可以參考下2017-08-08