Python_tensorflow实战1.多元回归

最新推荐文章于 2022-12-29 14:15:19 发布

南七小僧

最新推荐文章于 2022-12-29 14:15:19 发布

阅读量411

点赞数

分类专栏：人工智能与深度学习算法研究机器学习 tensorflow Python

我是南七小僧，邮箱：xkk9866@yeah.net ，C9博士，前百度搜索AI平台产品负责人，欢迎交流思想碰撞。

本文链接：https://blog.csdn.net/qq_25439417/article/details/79407003

版权

人工智能与深度学习算法研究同时被 3 个专栏收录

90 篇文章 217 订阅 ¥19.90 ¥99.00

订阅专栏

机器学习

43 篇文章 155 订阅 ¥19.90 ¥99.00

订阅专栏

Python

37 篇文章 160 订阅 ¥19.90 ¥99.00

订阅专栏

这篇博客通过Python和TensorFlow库演示了如何进行多元线性回归。作者首先生成了随机数据，然后定义了权重和偏置变量，构建了损失函数，并使用梯度下降优化器进行训练。经过1000次迭代，模型逐渐学习到输入数据的线性关系。

摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
"""
Created on Wed Feb 28 23:06:31 2018

@author: xkk
"""
import tensorflow as tf
import numpy as np

x_data=np.random.rand(100).astype(np.float32)
z_data=np.random.rand(100).astype(np.float32)
y_data=x_data*2+z_data*4+7

alpha = 0.01
step = 1000

Weights1 = tf.Variable(tf.random_uniform([1],-1,1))
Weights2 = tf.Variable(tf.random_uniform([1],-1,1))
biases = tf.Variable(tf.zeros(1))

y=x_data*Weights1+z_data*Weights2+biases

loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(alpha)
train = optimizer.minimize(loss)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)
for i in range(step):
    sess.run(train)
    if i%20 == 0:
        print(sess.run(Weights1),sess.run(Weights2),sess.run(biases))