tensorflow框架和逻辑回归算法
tensorflow三部曲
定义计算
开启会话
执行计算
线性回归数学实现
线性模型:z = x * w + b
将线性模型的值转换成概率:a = sigmoid(z)
代价函数(交叉熵代价函数):cost = - 求平均(求和(真实概率*log(预测概率)))
参数更新量(梯度下降):
dw = 对代价函数求w的偏导
db = 对代价函数求b的偏导
数据展示如下
数据为二分类样本,特征全部已经特征缩放,最后一列为类别
代码实现
import tensorflow as tf
import numpy as np
from matplotlib import pyplot as plt
# 画图设置中文字体和负号正常显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 设置框架随机种子,保证数据每次运行结果一致
tf.set_random_seed(1)
# 读取数据
data = np.loadtxt(r'data-03-diabetes.csv',delimiter=',',dtype=np.float32)
# 提取数据
x = data[:,: