TensorFlow 实战多元线性回归问题

机器学习10—多元线性回归模型 在市场的经济活动中,经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况,也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分,或者有的因素虽属次要,但也不能略去其作用。例如,某一商品的销售量既与人口的增长变化有关,也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的,需要采用多元回归分析预测法。多元回归分析预测法,是指通过对两个或两个以上的自变量与一个因变量的相关分析,建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时,称为多元线性回归分析。 阅读详情

作者:来自读者投稿

出品:Python数据之道

TensorFlow 实战

多元线性回归问题

本文小编将以一个具体例子来说明如何用 TensorFlow 来实现多元线性回归问题。我们以波士顿房价预测为例进行讲解。

1、 情景引入

波士顿房价数据集包括506个样本,每个样本包括12个特征变量和该地区的平均房价。房价显然和多个特征变量是相关的,因此需要选择多个特征变量来建立线性方程,这就是典型的多变量线性回归问题,下面是多元线性回归模型公式:

y=w0+w1x1+w2x2+...+wn*xn+b

下面是波士顿房价的数据集部分展示,后面我们将使用数据集进行模型实现。

2、读取数据并归一化

通过pandas读取数据文件,列出统计概述。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
import pandas as pd
#读取数据文件
df = pd.read_csv("./boston.csv",header=0)
#显示数据摘要描述信息
print(df.describe())

#对数据归一化到0-1之间
for i in range(12):
    df[:,i]=(df[:,i]-df[:,i].min())/(df[:,i].max()-df[:,i].min())
#x_data为归一化后的前12列特征数据
x_data = df[:,:12]
#y_data为最后一列标签数据
y_data = df[:12]

3、模型定义

首先定义特征数据和标签数据的占位符,shape中None表示行的数量未知,在实际训练时决定一次代入多少行样本,从一个样本的随机SDG到批量SDG都可以。

x = tf.placeholder(tf.float32,[None,12],name="x")
y = tf.placeholder(tf.float32,[None,1],name="y")

定义模型函数

4、训练模型

设置训练超参数

#迭代次数
train_epochs = 50
#学习率
learning_rate = 0.01

定义均方差损失函数

with tf.name_scope("LossFunction"):
    loss_function = tf.reduce_mean(tf.pow(y-pred,2)) #均方误差

选择优化器,初始化一个GradientDescentOptimizer

#梯度下降优化器
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss_function)

5、创建会话

声明会话

sess = tf.Session()

变量初始化

init = tf.global_variables_initializer()
sess.run(init)

6、迭代训练

模型训练阶段,设置迭代次数,每次通过将样本逐个输入模型,进行梯度下降优化操作,每轮迭代后,绘制出模型曲线

下图为最后的训练结果

7、训练结果的可视化

plt.plot(loss_list)

8、TensorBoard 可视化

声明会话

sess = tf.Session()
#定义初始化变量的操作
init = tf.global_variables_initializer()

为 TensorBoard 可视化准备数据

#设置日志存储目录
logdir = 'd:/log'
sum_Loss = tf.summary.scalar("loss",loss_function)
merged = tf.summary.merge_all()

创建摘要的文件写入器

sess.run(init)
writer = tf.summary.FileWwriter(logdir,sess.graph)

查看计算图

TensorBoard查看loss

好啦,最后赶快动手尝试一下属于你们的第一个多元回归模型的建立吧!

- end -





TensorFlow笔记(5) 多元线性回归 以波士顿房价预测为例的多元线性回归、数据读取、特征缩放、构建模型、训练模型、模型预测 阅读详情

相关推荐

TensorFlow深度学习实战(6)——回归分析详解

回归分析用于建立变量之间的数学模型,分析其关系,并进行预测。通过合理选择回归模型并确保假设条件成立,回归分析能够帮助决策和优化策略。本节中,首先介绍了线性回归,并用线性回归来预测简单的单变量房价情况,然后使用 TensorFlow 构建了简单和多重线性回归模型。

盼小辉丶的博客 6293

TensorFlow笔记之多元线性回归

记录使用TensorFlow1.x和TensorFlow2.x完成多元线性回归的过程。

qq_53715621的博客 981

多项式回归:使用p5.js和TensorFlow.js的简单多项式回归

多项式回归:使用p5.js和TensorFlow.js的简单多项式回归

Tensorflow之多元线性回归模型

创建一个多元线性回归模型 采用向量的方式定义变量 git 仓库地址git@github.com:RonnySun/tf-tutorials.git import tensorflow as tf import numpy as np #初始化训练数据,2维数据结构,三个变量,训练集一共有6组 #这里重点是把所有数据的shape搞对,不然在进行矢量乘法时会出问题 x_org = np.r...

r_m_AA的博客 978

VTK实战笔记(1)在win11搭建VTK-9.4.2 + qt5.15.2 + VS2019_x64开发环境

Visual Studio 2019 + qt5.15.2 + vtk9.4.2

心向阳光,斗志昂扬! 978

jmeter问题系列:Begin size 0 is not equal to fixed size 5

Begin size 0 is not equal to fixed size 5 ,问题的解决

雨水的早晨的博客 2415

Python TensorFlow 实现多元线性回归算法

# encoding = utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 加载数据 def load_data(path): with open(path, "r", encoding="utf-8") as f: lines = f.readlines() x_data = [] y_data = [] for l.

yaoleifeng的博客 890

iPhone用户必看:不装App也能搞定GitHub 2FA验证的3种方法(附恢复码管理技巧)

本文为iPhone用户提供了无需安装第三方App即可完成GitHub双重身份验证(2FA)的三种原生方案:利用相机扫码与iCloud钥匙串自动填充、使用iCloud钥匙串内置的TOTP验证码生成器,以及借助Safari浏览器扩展。文章详细解析了每种方法的操作步骤、适用场景,并重点强调了恢复码的安全管理与多层备份策略,帮助开发者在提升账户安全的同时,享受苹果生态的无缝便捷体验。

weixin_29324401的博客 662

tensorflow keras重复运行结果不一致问题

tensorflow keras重复运行结果不一致问题 tensorflow版本为:2.2.0,在使用tensorflow中的keras构建深度学习网络时,每次的训练结果都不一致。添加 shuffle=False后,没有效果,最后使用 tf.random.set_seed(1)函数,经测试,得到的训练结果固定了。 使用tf.random.set_seed()时,最好放在导入tensorflow后,否则训练结果无法固定 ...

for_ge的博客 2842

注册电气工程师详细教材

注册电气工程师详细教材

qq_40844444的博客 4262

YOLOv11改进策略【Neck】| PRCV 2023,SBA(Selective Boundary Aggregation):特征融合模块,描绘物体轮廓重新校准物体位置,解决边界模糊问题

SBA 模块在医疗图像分割中具有重要作用,其设计出发点是解决图像中物体边界模糊以及融合特征时的冗余和不一致问题。

Limiiiing的博客 1944

多元线性回归:波士顿房价预测问题Tensorflow实战

引入需要的库 %matplotlib notebook import tensorflow as tf import matplotlib.pyplot as plt import numpy as np import pandas as pd from sklearn.utils import shuffle 数据准备 #读取数据文件 df = pd.read_csv("data/bosto...

qq_45268602的博客 1159

ardupilot BMI088加速度陀螺仪学习

本节主要记录ardupilot 中BMI088传感器的学习过程,欢迎批评指正。BMI088是一款高性能6轴惯性传感器,由16位数字三轴±24g加速度计和16位数字三轴±2000°/ s陀螺仪组成。 BMI088允许高精度测量方向和沿三个正交轴的运动检测。BMI088具有高振动鲁棒性和3 x 4.5 x0.95mm³的小尺寸,是用于无人机和机器人应用等恶劣环境的高性能IMU中的独特产品。 BMI088专门设计用于有效抑制由于PCB上的共振或整个系统的结构而可能发生的振动。 除了高振动稳定性外,BMI088的出

陌城烟雨 2057

深度学习——多元线性回归:波士顿房价预测问题TensorFlow实战

1、波士顿房价预测 波士顿房价数据集包括506个样本,每个样本包括12个特征变量和该地区的平均房价。房价(单价)显然和多个特征变量相关,不是单变量线性回归(一元线性回归)问题,选择多个特征变量来建立线性方程,这就是多变量线性回归(多元线性回归)问题。 2、机器学习步骤 (1)准备数据 (2)构建模型 (3)训练模型 (4)进行预测 3、数据读取 (1)数据集解读 CRIM:城镇人...

duanyunqi0521的博客 2485

开源工具对比:5款主流大数据脱敏框架评测

数据脱敏(Data Masking/Anonymization),也称为数据漂白、数据去标识化,是指在不影响数据可用性的前提下,通过一定的技术手段对敏感信息进行处理,使其无法被识别或关联到具体个人或实体的过程。当应用程序向数据库写入数据(INSERT/UPDATE)时,ShardingSphere 会拦截 SQL,对配置了脱敏规则的字段,使用指定的算法进行加密/脱敏处理,然后将处理后的数据写入到。如果你的答案是“是”,那么数据脱敏,尤其是针对海量数据的。好的,各位技术同仁,数据安全领域的探索者们,大家好。

小程序开发 1185

RK3588与FocalTech触摸屏代码适配全解析:从原理到实战

摘要:本文详细介绍了瑞芯微RK3588处理器与FocalTech触摸屏的适配过程,包括硬件特性、驱动加载、设备树配置和常见问题解决方案。RK3588作为8nm工艺的高性能处理器,具备强大的计算能力和丰富的接口资源;FocalTech触摸屏则采用电容式技术,支持I2C/SPI接口。适配关键步骤包括驱动程序加载、硬件连接检查、设备树配置和内核版本兼容性处理,并提供了代码示例和问题排查方法。随着嵌入式设备智能化发展,该适配技术将持续优化,为智能交互提供更优解决方案。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 273

DL6-多元线性回归:波士顿房价预测问题TensorFlow(1.x)实战

1、数据读取 # 导入相关库 %matplotlib notebook # import tensorflow as tf V2.0用这个 import matplotlib.pyplot as plt import numpy as np import pandas as pd # 数据读取 from sklearn.utils import shuffle #样本洗牌 import tensorflow.compat.v1 as tf tf.disable_eager_execution(

qq_36045093的博客 984

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

MOOC网深度学习应用开发1——Tensorflow基础、多元线性回归:波士顿房价预测问题Tensorflow实战、MNIST手写数字识别:分类应用入门、泰坦尼克生存预测

dsad

qq_42832272的博客 361

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

波士顿房价问题——多元线性回归+TensorFlow

波士顿房价问题——多元线性回归、Tensorflow 决定房价的因素有很多,所以采用多元线性回归模型 官方提供的波士顿房价项目数据集 其中, 载入数据 df = pd.read_csv('boston.csv', header=0) 观察数据摘要描述信息 将df转换为np的数组格式,并做归一化 归一化:(特征值-特征最小值)/(特征最大值-特征最小值) 如果缺少归一化步骤,不同特征值的取...

江南小帅瓜的博客 8982

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Tensorflow 笔记 Ⅲ——多元线性回归

文章目录特别说明数据集波士顿房价简介波士顿房价数据集解读多元线性回归多元线性回归原理多元线性回归梯度下降多元线性回归数据预处理多变量线性回归TensorFLow 1.x 实现知识储备numpy 简易矩阵运算向量属于矩阵范畴,至少两个维度,如下两个 cell 均为数组数组矩阵行向量列向量行列转置,使用 numpy.T 进行转置,对任意维度矩阵适用矩阵运算仅讨论矩阵乘除,加减太易舍去点乘有两种方式 ,...

DeepHao'Blog 3423

Tensorflow 多元线性回归实现的总结

Tensorflow 多元线性回归实现的总结 1,定义算法公式,也就是神经网络forward时的计算 2,定义loss,选定优化器,并指定优化器优化loss 3,迭代地对数据进行训练 4,在测试集或验证集上对准确率进行评测 1,定义算法公式,也就是神经网络forward时的计算 from tensorflow.examples.tutorials.mnist import input_data i...

Cherry的博客 2796

TensorFlow——神经网络多元线性回归

1、多元线性回归 """ CRIM 城镇人均犯罪率 ZN 占地面积超过2.5万平方英尺的住宅用地比例 INDUS 城镇非零售业务地区的比例 CHAS 查尔斯河虚拟变量 (= 1 如果土地在河边;否则是0) NOX 一氧化氮浓度(每千万) RM 平均每居民房数 AGE 在1940年之前建成的所有者占用单位的比例 DIS 与五个波士顿就业中心的加权距离 RAD 辐射状公路的可达性指数 TAX

Sam's blog 2294

Tensorflow实现多元线性回归

上一篇使用tensorflow实现了简单的线性回归,这次在简单的线性回归基础上,通过在权重和占位符声明中 修改来对相同的数据进行多元线性回归。 同样以波士顿房价数据为例 波士顿房价数据集可从http://lib.stat.cmu.edu/datasets/boston处获取。 多元线性回归具体实现步骤 1:导入需要的所有软件包 2:因各特征的数据范围不同,需要归一化特征数据,为此定义一个归一化函数 定义一个append_bias_reshape()函数,来将固定输入值和偏置结合起来 3:加载数据集,并划分为

gldbys的博客 1218

多元线性回归问题——波士顿房价预测

多元线性回归问题——波士顿房价预测 波士顿房价预测数据集包括506个样本,每个样本包括12个特征变量和该地区的平均房价(单价)显然和多个特征变量相关,不是单变量线性回归(一元线性回归)问题,选择多个特征变量来建立线性方程,这就是多变量线性回归(多元线性回归)问题 数据集的解读: CRIM:城镇人均犯罪率 ZN:住宅用地超过25000sq.ft.比例 INDUS:城镇非零售商用土地的比例 CHAS:边界时河流为1,否则为0 NOX:一氧化氮浓度 RM:住在平均房间数 AGE:1940年之前建成的自用房屋比例

qq_45627332的博客 4588

【TensorFlow学习及算法实现】多元线性回归

TensorFlow实现简单线性回归

cherreggy的博客 948
上一篇: 19 个接私活平台汇总升级版,你有技术就有钱
下一篇: 与其当电商的韭菜,不如做自己的镰刀
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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