TensorFlow的安装
TensorFlow是一个用于数值计算的开源软件库,非常适合大型机器学习。
笔记:virtualenv和conda的解释,大概来说就是创建了一个独立的环境。
$符号 在一些程序书中,代码前加上$符号是为了表示这是一个命令行命令,而不是普通的代码。$符号通常用于Unix/Linux系统中的命令行提示符,表示用户可以在命令行中输入该命令。在书中加上$符号可以帮助读者区分代码和命令行命令,避免混淆。
TensorFlow实现线性回归
多元线性回归:C:\Users\19680\Desktop\机器学习资料 预测.pdf
多元线性回归用到的参数估计法时最小二乘估计,至于岭回归用的是改良过的最小二乘法
笔记:代码解释:最后两行大概是在tensorflow中打开一个会话并得到计算结果。
常值函数(constant function)是指值域为一元集的函数,满足条件:对于任意输入值x,输出值都为同一个常数c。数学表示为:f(x)=c。其中,x为输入,c为输出。在xy坐标平面上,常值函数的图象是平行于x轴的直线y=c1。
reshape函数:
reshape函数是MATLAB中将指定的矩阵变换成特定维数矩阵的一种函数,且矩阵中元素个数不变,函数可以重新调整矩阵的行数、列数、维数12。
语法为:B = reshape(A,size)1。
例子:
iniA = 1:6; B = reshape(A,2,3)
输出:
makefileB = 1 3 5 2 4 6
housing.target.reshape(-1,1)解释:这是一个numpy数组的方法,reshape()用于改变数组的形状。-1表示自动计算该维度的大小,1表示将数组变成一列。因此,housing.target.reshape(-1,1)的意思是将housing.target数组变成一列,行数自动计算。
housing_data_plus_bias 是指包含偏差项的房屋数据集。偏差项是指在线性回归模型中的截距项,它表示当所有自变量都为0时,因变量的期望值。在房屋数据集中,偏差项可以表示房屋价格中的基础价格,即使所有其他特征都为0,房屋也有一个基础价格。因此,housing_data_plus_bias 包含了房屋的各种特征以及偏差项,可以用于训练线性回归模型。
housing_data_plus_bias 不是 Python 库中的一个数据集,而是一个数据集的名称,通常用于机器学习中的线性回归模型。在 Python 中,可以使用 Pandas 库或 Scikit-learn 库中的数据集来进行线性回归模型的训练和测试。例如,Scikit-learn 库中的波士顿房价数据集(Boston Housing Dataset)就是一个常用的线性回归数据集,其中包含了房屋的各种特征以及房价作为因变量。在使用该数据集时,可以通过添加一个全为1的列来表示偏差项。