tensorflow入门笔记(一)单边量线性回归f(x)=ax+b的实现

2024-04-02 07:38

本文主要是介绍tensorflow入门笔记(一)单边量线性回归f(x)=ax+b的实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文主要讲述了使用tf.keras实现一个简单的单边量线性回归f(x)=ax+b的过程

打开Anaconda,进入tensflow环境,打开JupyterLab

1.查看tensorflow版本的方法

import tensorflow as tf #tensorflow引用方式
print(tf.__version__)  #tensorflow版本

import tensorflow as tf 
print('Tensorflow Version:{}'.format(tf.__version__))

运行结果如下:
在这里插入图片描述

2.单边量线性回归

单变量线性回归算法f(x)=ax+b(比如,x表示教育水平,y表示收入),映射了输入特征和输出值
(1)读取数据集
使用panadas读取数据集

import pandas as pd
data = pd.read_csv('./Desktop/income2.csv')#读取放置在桌面,名称为income2,格式为csv的文件
dataopen

运行结果如下图:
在这里插入图片描述
数据集:可以在Excel中自行输入数据,保存为csv格式的数据集即可,下面是本文所使用的的数据集,任意数据集均可
在这里插入图片描述
(2)基于数据集绘图
从上面的数据集我们可以看出,教育水平越高,收入也变得越高,我们可以认为这两者之间有线性关系,这种线性关系可以通过绘图进行认识,我们基于matplotlib进行绘图

import pandas as pd
data = pd.read_csv('./Desktop/income2.csv')import matplotlib.pyplot as plt 
%matplotlib inline
plt.scatter(data.Education, data.Income)#data.Education为x轴,data.Income为y轴,scatter为散点图

运行结果如下图:
在这里插入图片描述
由上图我们可以看到,教育水平和收入近似满足一个线性关系,这个线性关系可以用f(x)=ax+b进行描述。
下面我们需要建立一个预测模型对其进行描述,建立此模型的过程即求解该线性关系的过程,这样我们就建立起了一个简单的机器学习模型
(3)模型建立
预测目标:预测函数f(x)与真实值之间的整体性误差最小,即找到一个最能拟合散点图的f(x)
损失函数:使用均方差作为成本函数,也就是预测值和真实值之间差的平方取均值
优化目标:使得均方差(f(x)-y)*2越小越好
在这里插入图片描述

%config IPCompleter. greedy=True  #TAB键代码自动提示
#使用tf.keras实现一个简单的单边量线性回归f(x)=ax+b
import pandas as pd
import tensorflow as tf 
data = pd.read_csv('./Desktop/income2.csv')import matplotlib.pyplot as plt 
%matplotlib inline
#plt.scatter(data.Education, data.Income)#data.Education为x轴,data.Income为y轴x = data.Education
y = data.Income
model = tf.keras.Sequential()#初始化Sequential模型,一种顺序模型
#此时这个模型中什么也没有,接下来需要对模型添加层
#layers中有很多层,比较常用的一种是Dense层
model.add(tf.keras.layers.Dense(1, input_shape=(1,)))
#f(x)=ax+b为一维,写入1;输入数据形状input_shape也是一维(元组形式)
model.summary()#反映整个模型
model.compile(optimizer='adam',loss='mse')#编译模型,使用optimizer优化算法
history = model.fit(x, y, epochs=2000)#训练2000次

运行结果如下图:
在这里插入图片描述
在这里插入图片描述
后面的运行结果省略

可以看到,训练次数越多,损失值越小

(4)模型预测

model.predict(pd.Series([20]))#预测教育水平为20时的收入

运行结果如下:
在这里插入图片描述
即模型预测教育水平为20时,收入为34.39621

这篇关于tensorflow入门笔记(一)单边量线性回归f(x)=ax+b的实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/869376

相关文章

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并

mybatis执行insert返回id实现详解

《mybatis执行insert返回id实现详解》MyBatis插入操作默认返回受影响行数,需通过useGeneratedKeys+keyProperty或selectKey获取主键ID,确保主键为自... 目录 两种方式获取自增 ID:1. ​​useGeneratedKeys+keyProperty(推

Spring Boot集成Druid实现数据源管理与监控的详细步骤

《SpringBoot集成Druid实现数据源管理与监控的详细步骤》本文介绍如何在SpringBoot项目中集成Druid数据库连接池,包括环境搭建、Maven依赖配置、SpringBoot配置文件... 目录1. 引言1.1 环境准备1.2 Druid介绍2. 配置Druid连接池3. 查看Druid监控

Linux在线解压jar包的实现方式

《Linux在线解压jar包的实现方式》:本文主要介绍Linux在线解压jar包的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux在线解压jar包解压 jar包的步骤总结Linux在线解压jar包在 Centos 中解压 jar 包可以使用 u

c++ 类成员变量默认初始值的实现

《c++类成员变量默认初始值的实现》本文主要介绍了c++类成员变量默认初始值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录C++类成员变量初始化c++类的变量的初始化在C++中,如果使用类成员变量时未给定其初始值,那么它将被

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核