Tensorflow实现岭回归

Tensorflow实现岭回归

岭回归可以看作是线性回归的一种增强版，实现的时候无非就是加入一个二范数正则化项，但是应当注意，这里只对于权重进行惩罚，偏置项是不加入正则化的，具体理论可以参见相关的论文和blog，在此不赘述。

这里还是使用tf实现了岭回归算法，并实际应用在了一个真实数据集而非人工数据集上，数据及规模相比于之前的数据也大了很多。

本次代码从数据读入，到建立计算图，到模型训练、模型评估，实际上是对前面几篇博客的小总结，至此，一般情况下的数据训练问题都可以套用这个模板来写。

我所使用的数据格式为最后一列是label，其余列是特征，label是二类，分别用1，-1表示。

目前版本只有岭回归，之后会加入logstic回归已经tensorboard显示的功能。

import tensorflow as tf
import numpy as np
import pandas as pd

train = pd.read_csv("./data/dataset1-a9a-training.txt", encoding="utf-8")
print(train.describe())

columnNum = train.values.shape[1] # 获取数据的列数，其中最后一列是label

# 使用pandas获取全部数据，评估效果用
def getAll(filename):

    data =