笔记 - tensorflow小案例:线性回归(批量梯度下降策略)

import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing
from sklearn.preprocessing import StandardScaler

# TODO tensorflow 线性回归问题求解 批量梯度下降策略

"""
思路:

导包
导数据集
定义梯度下降相关超参
处理梯度下降算法需要的数据格式

X
y
theta
y_pred
error
gradients
rmse 观察更新效果
更新theta的op

主体程序逻辑:开始计算图
"""

# 迭代轮次
n_epochs = 36500
# 学习率
learning_rate = 0.001

housing = fetch_california_housing(data_home='C:/Users/Mcdonald/Documents/workplace/Pycharm/scikit_learn_data',
                                   download_if_missing=True)
train_data = housing.data
m, n = train_data.shape
scaler = StandardScaler<
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值