损失函数
回归中定义了损失函数或目标函数,其目的是找到使损失最小化的系数
声明一个损失函数需要将 系数定义为变量,将数据集定义为占位符。可以有一个常学习率或变化的学习率和正则化常数。
为确保收敛,损失函数应为 凸的。一个 光滑的、可微分的凸损失函数可以提供更好的收敛性。随着学习的进行,损失函数的值应该下降,并最终变得稳定。
定义系数
在下面的代码中,设 m 是样本数量,n 是特征数量,P 是类别数量。这里应该在代码之前定义这些全局参数:
在标准线性回归的情况下,只有一个输入变量和一个输出变量:
import tensorflow.compat.v1 as tf
tf.disable_eager_execution()#保证sess.run()能够正常运行
sess=tf.InteractiveSession()
m=1000
n=15
p=2
X=tf.placeholder(tf.float32,name="X")
Y=tf.placeholder(tf.float32,name