tensorflow 每次训练结果差异_TensorFlow——实现简单的线性回归

点击上方关注，All in AI中国

线性回归简介

线性回归是监督学习的一个重要算法。在本文中，我将重新使用我从[1](参考文献部分)中引用的以下符号。

• xi表示“输入”变量，也称为输入特征
• yi表示我们试图预测的“输出”或目标变量
• 一对(xi，yi)被称为训练示例
• m个训练样例列表{xi，yi; i = 1，...，m}称为训练集
• 符号中的上标“i”是训练集的索引
• X表示输入值的空间，Y表示输出值的空间。在本文中，我将假设X = Y = R.
• 函数h：X - > Y，其中h(x)是y的对应值的良好预测器，称为假设或模型

当我们试图预测的目标变量是连续的时，我们称学习问题为回归问题。当y仅占用少量离散值时，我们将其称为分类问题。

线性回归意味着您可以将输入相加乘以一些常量来获得输出，我们将按如下方式表示h函数：