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