《tensorflow学习》笔记三——tf实现线性回归算法

1、利用sklearn中封装好的房价数据集来实现线性回归。

1. 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