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