tensorflow线性回归基础函数

以下先使用tensorflow 的矩阵乘积，注意不是内积，然后使用基础函数求平方 、平方和、均值，这是使用tensorflow 使用线性回归分析的基础，基础好了，才能走出下一步，要不然怎么数据分析呢，更不要说识别了

import tensorflow as tf
X = tf.constant([[1., 2.], [3., 4.]])
y = tf.constant([[1.], [2.]])
w = tf.Variable(initial_value=[[1.], [2.]])
b = tf.Variable(initial_value=1.)
with tf.GradientTape() as tape:
    L = tf.reduce_sum(tf.square(tf.matmul(X, w) + b - y))
w_grad, b_grad = tape.gradient(L, [w, b])        # 计算L(w, b)关于w, b的偏导数
#print(L, w_grad, b_grad)
print(tf.matmul(X,w))
 #1 2    1
 #3 4    2   
 #result [[5] [11]]
print(tf.matmul(X,w)+b)
#result [[6] [12]]
re1=tf.matmul(X,w)+b-y
#re1 :result [[5] [10]]
re2=tf.square(re1)
print(re2)
#re2 :result [[25] [100]]
re3 = tf.reduce_sum(re2)
print(re3)
#re3 :result 125
re4 = tf.reduce_mean(re2)
print(re4)
#re4 :result 62.5

使用前请先装好tensorflow，以及基础的numpy等库，肯定会使用，sklearn等等，数据其实要从数据库来，方法：存成csv等文件，使用pandas

pip install pandas
基本使用:
import pandas as pd
import numpy as np    #进行的sum,count等
df=pd.read_csv('/test.csv')    #注意python使用绝对路径，不然你痛不欲生

读者简单尝试，就会进入数据分析的领域，请渐入佳境，一以贯之，寻者获之，分而治之