tensorflow深度学习之逻辑回归算法(一)手写底层实现

本文介绍了使用TensorFlow实现逻辑回归的详细过程,包括框架基础、数据展示、线性模型、sigmoid激活函数、代价函数和梯度下降法。内容涵盖了从计算定义到会话执行的完整步骤。
摘要由CSDN通过智能技术生成

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
在这里插入图片描述

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[:,:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值