Tensorflow实现多元线性回归

最新推荐文章于 2024-07-19 23:00:52 发布

gldbys

最新推荐文章于 2024-07-19 23:00:52 发布

阅读量1k

点赞数 2

分类专栏：机器学习文章标签： tensorflow 机器学习 python 深度学习人工智能

本文链接：https://blog.csdn.net/gldbys/article/details/109240729

版权

本文以波士顿房价数据为例，详细介绍了如何使用TensorFlow实现多元线性回归。步骤包括：导入软件包、数据归一化、定义占位符、创建权重和偏置变量、构建线性回归模型、设定损失函数、选择优化器、初始化操作、绘制损失函数曲线以及进行预测。

摘要由CSDN通过智能技术生成

上一篇使用tensorflow实现了简单的线性回归，这次在简单的线性回归基础上，通过在权重和占位符声明中
修改来对相同的数据进行多元线性回归。
同样以波士顿房价数据为例
波士顿房价数据集可从http://lib.stat.cmu.edu/datasets/boston处获取。

多元线性回归具体实现步骤

1：导入需要的所有软件包
2：因各特征的数据范围不同，需要归一化特征数据，为此定义一个归一化函数
定义一个append_bias_reshape()函数，来将固定输入值和偏置结合起来
3：加载数据集，并划分为X_train,Y_train。注意X_train包含所需要的特征，可以选择在这里对数据
进行归一化处理。也可以添加偏置并对网络数据重构
4：为训练数据声明Tensorflow占位符，观测占位符X的形状变化
5：为权重和偏置创建Tensorflow变量。通过随机数初始化权重
6：定义要用于预测的线性回归模型，这个实例需要矩阵乘法来完成这个任务
7：定义损失函数
8：选择正确的优化器
9：定义初始化操作符
10：开始计算图
11绘制损失函数
12利用从模型学到的系数来预测房价

具体代码如下：

#1:导入所需要的软件包
import tensorflow as tf
import numpy as np
import  matplotlib.pyplot as plt
from sklearn.datasets import load_boston

tf.compat.v1.disable_eager_execution()

'''

使用Tensorflow实现多元线性回归

'''

#2：因为各特征的数据范围不同，需要归一化特征数据。为此定义一个归一化函数
#另外，这里添加一个额外的固定输入值将权重和偏置结合起来。
#为此定义函数append_bias_reshape()。该技巧可简化编程
def normalize(X):
    '''归一化数组 X'''
    '''
    np.mean:计算均值
    np.std：计算标准差
    '''
    mean = np.mean(X)
    std = np.std(X)
    X = (X-mean)/std
    return X
def append_bias_reshape(features