数据分析——梯度下降法解决线性回归问题

import tensorflow as tf
import numpy as np

# 原始数据
x_data=np.random.rand(100)
y_data=x_data*2+1

# 定义变量
k=tf.Variable(0.0)
b=tf.Variable(0.0)

# 训练数据
y=x_data*k+b

# 定义损失函数
loss=tf.reduce_mean(tf.square(y-y_data))

# 定义优化器
optimizer=tf.train.GradientDescentOptimizer(0.2)

# 定义训练模型
# optimizer具有minimize方法,该方法通过调整loss中变量的值,使loss不断减小
train=optimizer.minimize(loss)

# 变量初始化
init=tf.global_variables_initializer()

with tf.Session() as sess:
	sess.run(init)
	for step in range(201):
		sess.run(train)
		if step%10==0:
			print(sess.run([k,b,loss]))

运行结果:
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值