Tensorflow学习笔记(1)：关于波士顿房价的预测

最新推荐文章于 2022-06-14 09:59:14 发布

Gomeenasai

最新推荐文章于 2022-06-14 09:59:14 发布

阅读量692

点赞数

文章标签：深度学习 tensorflow

本文链接：https://blog.csdn.net/qq_44651443/article/details/103977240

版权

本文是Tensorflow学习笔记的第一部分，主要介绍如何利用Tensorflow进行波士顿房价预测。通过线性回归模型，结合12个影响因素对数据进行预处理和归一化，然后定义损失函数并使用梯度下降进行训练。

摘要由CSDN通过智能技术生成

为了学习深度学习，深入了解Tensorflow，所以学习了网课Tensorflow实践，以下代码主要来自于该网站：https://www.icourse163.org/learn/ZUCC-1206146808?tid=1206445215#/learn/content?type=detail&id=1211172103&cid=1213735441&replay=true

该模型研究的是关于波士顿房价预测，基于Tensorflow使用了线性回归模型将12组影响房价因素和标签值进行拟合。

加载模块
第一行和第二行用来代替import tensorflow as tf，因为pip下载的最新的2.0.0本版tensorflow中省略安装placeholder函数。
pandas用于读取本地数据

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.utils import shuffle

数据预处理
由于12组数据的大小相差很大，所以将每一行的数据进行归一化处理，都缩放到[0,1]之间。

df=pd.read_csv("e:boston housing price/boston_data.csv",header=0)
#print(df.describe())
df=df.values
df=np.array(df)
for i in range(12):
    df[:,i]=df[:,i]/(df[:,i].max(