1、利用sklearn中封装好的房价数据集来实现线性回归。
- 有关线性回归的算法,此处不再详细的赘述,大致说一下思路。首先导入相关的数据集,读取数据
import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing
housing = fetch_california_housing(data_home="/Users/a/scikit_learn_data", download_if_missing=True) #下载数据集到指定路径下,如果已下载则不会重复下载
m, n = housing.data.shape #获取数据行数和列数
#打印数据集的相关信息
print(m, n)
print(housing.data, housing.target)
print(housing.feature_names)
2.处理数据,给第一列加上全1,保证其输入数据格式的准确
housing_data_plus_bias = np.c_[np.ones((m, 1)), housing.data]
3.创建两个常量节点x,y,用来持有数据和标签
x = tf.constant(housing_data_plus_bias, dtype=tf.float32, name='X