tensorflow线性回归应用实例——预测加利福尼亚房价

使用了python中sklearn.datasets包中fetch_california_housing中的数据，基于tensorflow框架做了一个简单的模型。

---

下面做了几个tensorflow的简单应用示例，第一个代码实例采用解析解的方式求解了线性回归模型的参数w0,w1...，wn。第二个代码实例采用了梯度下降法求解了线性回归模型的参数w0,w1...，wn。

tensorflow是先建立运算图，然后再启动运算图进行运算，所谓运算图是由一个个的运算节点组成。

import tensorflow as tf                #导入tensorflow包
from sklearn.datasets import fetch_california_housing  #从sklearn中导入数据，加利福尼亚的房价数据
import numpy as np
housing=fetch_california_housing(data_home=r'C:\Users\wangzhongyuan\Desktop\json11\sklearn\california')
m,n=housing.data.shape
housing_data_plus_bias=np.c_[np.ones((m,1)),housing.data]
x=tf.constant(housing_data_plus_bias,dtype=tf.float32,name='x')
y=tf.constant(housing.target.reshape(-1,1),dtype=tf.float32,name='y')  #.reshape(-1,1)表示任意行，1列
xT=tf.transpose(x)
w=tf.matmul(tf.matmul(tf.matrix_inverse(tf.matmul(xT,x)),xT),y)