tensorflow2.0学习笔记--线性回归（基础）

最新推荐文章于 2022-03-06 20:06:51 发布
最新推荐文章于 2022-03-06 20:06:51 发布
阅读量267 收藏
点赞数 2
分类专栏： tensorflow 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/f351873170/article/details/103825230
版权

神经元数学模型简化

y=wx+b

当有多个数据时是在此基础上求w 和 b

计算w和b的过程是计算机自动学习的

如何判断w和b的结果是否很好？

求预测值与真实值之间的差的平方和作为总误差\pounds,这种误差计算方法称为均方差MSE

当有一组w和b的\pounds最小时，对应的直线就是我们寻找的最优直线

公式含义：w*,b*= 最小的\pounds时的w和b

优化方法

我们常说的优化方法是优化找出w和b的方法最简单的是暴力搜素或随机试验来找到最合适的w和b,但是面对多维数据这种方法基本不可行，这里我们使用梯度下降算法

我们要使得\pounds最小，可以使用求导的方法。当\pounds的导数为0时我们可以知道这个点是\pounds的极值点或者说是驻点，这样我们再对驻点进行验证。就可以找到\pounds的最小值。

f(x,y)=-(\cos ^{2}x+\cos^{2}y)^{2} 的函数图1

                                 

                                                                                             图1

我们可以将xy 替换为我们要学习的w和b这样就可以更容易理解了f(w,b)=-(\cos ^{2}w+\cos ^{2}b)^{2}.

我们想要求f(w,b)的最小值，如上图所示，我们可以沿着梯度向量（\bigtriangledown f）的反方向进行寻找即（-\bigtriangledown f）这样我们就能找到最小值了。

我们可以按照下面的公式进行更新w和b,为什么用这个公式我也在看（哭泣）

                                                                           

\eta就是学习率

通过这个公式优化参数的方法称为梯度下降算法。通过循环计算梯度\bigtriangledown f即\frac{\partial\pounds}{\partial w}来寻找最小值。

 

 

天使的翅膀007
关注
专栏目录
〖TensorFlow2.0笔记23〗TensorFlow2.0学习笔记总结!
AI新视界
11-10 1万+
Tensorflow2.0全套课程学习笔记！
Tensorflow2.0入门-简单线性回归模型
sdskrxs的博客
12-16 603
Tensorflow深度学习 2.3 线性模型实战 这里采用w=1.477,b=0.089的线性模型，即y=1.477x + 0.089,来进行数据采样。给模型添加随机噪声eps，服从均值为0，标准差为0.1的高斯分布（正太分布）： y=1.477x + 0.089 + eps. ...
第一章：Tensorflow 2.0 实现简单的线性回归模型（理论+实践）
变强啊！三少奶奶
08-12 7616
1，机器学习的目标 从大量数据中学习到高维的抽象特征，使得新输入的x也能在经过模型后，得出一个符合实际情况的y值。在自然界中，若y为离散型，则属于分类问题，y为连续型则属于预测问题。 2，为什么需要大量样本？ 若我们提前知道了某一堆样本服从下述线性模型，那么我们就有理由相信输入任意x所构成的点（x,y）都服从该线性模型分布。 ...
一、TensorFlow2.0——简单线性回归
亦萧的博客
10-05 2554
以下代码均在jupyter notebook内实现 （1）引包 import pandas as pd import tensorflow as tf from matplotlib import pyplot as plt %matplotlib inline # 魔法函数 （2）使用pandas库导入数据 data = pd.read_csv('F://Jupyter...
【TensorFlow 2.0】使用 tensorflow.keras 进行线性回归
Eli_Code
03-06 1777
TensorFlow 2.0使用 tensorflow.keras 进行线性回归 全连接层 tf.keras.layers.Dense 等的解析 model.compile() 的用法
Tensorflow2.0基础-笔记- 线性回归
qq_39329902的博客
07-26 476
线性回归 import tensorflow as tf import pandas as pd import matplotlib.pyplot as plt %matplotlib inline data=pd.read_csv('./DataSet/income.csv') #读取数据集 plt.scatter(data.Education,data.Income) #绘图 x=data.Education #将数据传给变量x，y。x是特征，只有一个，y是标签。 y=data.In..
TensorFlow2.0学习笔记(一）
12-21
在本篇TensorFlow 2.0的学习笔记中，我们将探讨数据读取与展示、模型构建、数据归一化、回调函数、回归模型、分类模型、深度神经网络、批归一化、激活函数、dropout技术、Wide & Deep模型、子类API实现、多输入和多...
TensorFlow2.0学习笔记-4.模型的自定义
ruoqi23的博客
08-06 2336
4.模型的自定义 4.1.自定义层 使用的主要数据结构是Layer 实现自定义层的最佳方法是扩展tf.keras.layers.Layer类并实现： • __init__：可以在其中进行所有与输入无关的初始化，定义相关的层 • build： 知道输入张量的形状并可以进行其余的初始化 • call： 在这里进行前向传播 注意：不一定需要在build中创建变量时，也可以在__init__中创建它们。 tf.keras.Model和tf.keras.layers.Layer有什么区别和联系？ •通...
001-TensorFlow 2.0 教程-Transformer
知行_那片天
05-07 8843
TensorFlow 2.0 教程-Transformer Tensorflow 2.0 教程持续更新 ：https://blog.csdn.net/qq_31456593/article/details/88606284 本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来，并借鉴了一些keras构造神经网络的方法，中文讲解，方便喜欢阅读中文教程的朋友，tensorflow官...
Tensorflow 2.0 线性回归
lingtianyulong的专栏
02-04 308
import tensorflow as tf import matplotlib.pyplot as plt print(tf.keras.__version__) class Model(object): def __init__(self): self.W = tf.Variable(5.0) self.b = tf.Variable(0.0)...
Tensorflow2.0学习(三):线性回归的小例子
01-20
版权提示:以下所有例子都是参考github大神制作,我只是搬运工 https://github.com/YunYang1994/TensorFlow2.0-Examples 一、最简单的线性回归 首先定义模型和损失函数 import tensorflow as tf import matplotlib.pyplot as plt #定义模型和损失函数 class Model(object): def __init__(self): self.W = tf.Variable(10.0) self.b = tf.Variable(-5.0) def
tensorflow2.0入门–初步实现线性回归
01-20
假设我们的学习函数是 y = 2x + 1 打开jupyter编译，先导入必要的包，本文的代码是在tensorflow2.0上实现的 import matplotlib.pyplot as plt import numpy as np import tensorflow as tf print(tf.__version__) 为了能够直接在jupyter上显示图形，再输入 %matplotlib inline 1.使用numpy产生数据 #载入随机种子 np.random.seed(5) #生成100个等差序列，每个值在-1 - 1 之间 x_data = np.linspace(-1
使用 TensorFlow2.0 实现线性回归
weixin_43650429的博客
01-16 3172
本文是笔者学习 TensorFlow2.0（下文都写作 TF2.0） 的一篇笔记，使用的教材是《动手深度学习》（TF2.0版）。 之所以可以使用 TensorFlow 来实现线性回归，是因为我们可以把线性回归看成是只有一层、一个神经元的全连接网络： 上面这个图就是线性回归 y=w1x1+w2x2+by = w_1x_1 + w_2x_2 + by=w1​x1​+w2​x2​+b 的神经网络的表示...
TensorFlow2.0学习笔记——简单的线性回归实战
希望和大家多多交流技术！
09-27 1104
代码： import tensorflow as tf import numpy as np # 前期准备---数据处理：归一化 x_row = np.array([2013, 2014, 2015, 2016, 2017], dtype=np.float32) y_row = np.array([12000, 14000, 15000, 16500, 17500], dtype=np.float32) # 数据归一化需要用np容器类型的数据，因为TensorFlow没有x.min和x.max操作
tensorflow2.0多元线性回归
u011369939的博客
10-23 655
如何插入一段漂亮的代码片 去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片. #导入模块 import keras import tensorflow as tf import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from tensorflow.keras import layers,optimizers,models,callbacks from
tensorflow2.0入门--初步实现线性回归
weixin_45665788的博客
03-17 795
假设我们的学习函数是 y = 2x + 1 打开jupyter编译，先导入必要的包，本文的代码是在tensorflow2.0上实现的 import matplotlib.pyplot as plt import numpy as np import tensorflow as tf print(tf.__version__) 为了能够直接在jupyter上显示图形，再输入 %matplotl...
TensorFlow2.0 学习 线性回归
周红伟讲AI
06-02 394
import numpy as np import tensorflow as tf X = np.array([1, 2, 3, 4, 5], dtype=np.float32) y = np.array([10, 19, 31, 42, 53], dtype=np.float32) # X = (X_raw - X_raw.min()) / (X_raw.max() - X_raw.min()) # y = (y_raw - y_raw.min()) / (y_raw.max() - y_raw..
TensorFlow 2 实现线性回归和非线性回归
热门推荐
herosunly的博客
07-13 1万+
1. 线性回归 1.1 导库 import numpy as np import keras from keras.models import Sequential from keras.layers import Dense import matplotlib.pyplot as plt 1.2 生成数据   其中np.random.rand是生成[0, 1]的数据。np.random.ran...
tensorflow2.0线性回归
weixin_37763484的博客
01-16 152
tf2和pytorch比较像了，感觉都是动态图，好写一些，这里找到个线性回归的代码供大家参考，是github上一个教程TensorFlow-2.x-Tutorials的。tf2用tape进行反向传播等操作，感觉比pytorch还要简单些，不用清零了。 import tensorflow as tf import numpy as np from tensorflow import keras import os class Regressor(keras.layers.Layer):
深入理解TensorFlow与Scikit-Learn机器学习资料
机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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