基于Tensorflow实现基本的线性回归(Linear regression)

最新推荐文章于 2024-02-06 15:22:01 发布

VIP文章 longwinyang

最新推荐文章于 2024-02-06 15:22:01 发布

阅读量3.2k

点赞数 1

分类专栏： Tensorflow学习

本文链接：https://blog.csdn.net/longwinyang/article/details/77925963

版权

线性回归(Linear_regression)

本文基于Tensorflow实现基本的线性回归

代码参考GitHub [Tensorflow学习 ]

代码参考GitHub [Tensorflow-Examples ]

1.numpy导入数据

train_X = numpy.asarray([3.3,4.4,5.5,6.71,6.93,4.168,9.779,6.182,7.59,2.167,
                         7.042,10.791,5.313,7.997,5.654,9.27,3.1]) 
train_Y = numpy.asarray([1.7,2.76,2.09,3.19,1.694,1.573,3.366,2.596,2.53,1.221,
                         2.827,3.465,1.65,2.904,2.42,2.94,1.3])
#导入17个 train_x和train_y 数据                         
n_samples = train_X.shape[0]     #得到数据train_x 的个数

当set 表示二维数组 [[1,2],[3,4],[5,6],[7,8]]
set.shape[0] 求得数组的行数
set.shape[1] 求得数组的列数
set.shape 求得数组形状

2.设置学习率和设置权重偏差的占位符

learning_rate = 0.01     #设置学习率
training_epochs = 1000   #设置训练步数
display_step = 50        #设置结果显示步数

# X Y的占位符,设置成32位浮点数
X = tf.placeholder(tf.float32)
Y = tf.placeholder(tf.float32)

# 设置随机权重(weight),设置偏差(bias)为零
W = tf