使用C#实现线性回归

SciSharp Stack

于 2019-08-25 16:35:05 发布

阅读量4.1k

点赞数 2

分类专栏： TensorFlow.NET

本文链接：https://blog.csdn.net/SciSharp/article/details/100064406

版权

本文介绍了如何使用SciSharp的TensorFlow.NET库，在C#中实现线性回归模型。通过理解线性回归的基本概念，如成本函数和梯度下降，逐步展示如何训练模型并找到最优参数，以最小化预测值与实际值的误差。

摘要由CSDN通过智能技术生成

我将介绍如何使用SciSharp的TensorFlow.NET中训练线性回归模型。

什么是线性回归？

线性回归是一种线性方法，用于因变量与一个或多个自变量之间的关系进行建模。
考虑单个感兴趣变量y和单个预测变量x的情况。预测变量由许多名称调用：因变量，输入，特征; 预测变量通常称为自变量，输出，结果。
我们有一些数据$ D = {x {\ tiny i}，y {\ tiny i}} $我们假设这个数据集的简单线性模型具有高斯噪声：

//准备培训数据

var train_X = np.array（3.3f，4.4f，5.5f，6.71f，6.93f，4.168f，9.779f，6.182f，7.59f，2.167f，7.042f，10.791f，5.313f，7.997f，5.654 f，9.27f，3.1f）;
var train_Y = np.array（1.7f，2.76f，2.09f，3.19f，1.694f，1.573f，3.366f，2.596f，2.53f，1.221f，2.827f，3.465f，1.65f，2.904f，2.42 f，2.94f，1.3f）;
var n_samples = train_X.shape [0];