tensorflow2.0回归分析预测学习笔记(一）

最新推荐文章于 2021-05-18 17:44:21 发布

没有梦想的打工仔

最新推荐文章于 2021-05-18 17:44:21 发布

阅读量817

点赞数

文章标签：深度学习 tensorflow 逻辑回归

本文链接：https://blog.youkuaiyun.com/weixin_41889416/article/details/109393237

版权

这篇博客是作者学习TensorFlow2.0的初步尝试，通过构建逻辑回归模型进行数据预测。博主生成了CSV数据，展示了数据读取、预处理、模型构建和训练的过程。在训练过程中，绘制了损失函数的变化图，并用测试集进行了预测，发现预测误差较大，推测可能与训练样本数量和网络参数有关。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

初学，欢迎各位路过的大佬指正
导入各种包

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras import layers
import tensorflow.keras
import warnings
warnings.filterwarnings("ignore")
%matplotlib inline

读取数据，自己编了点csv数据
在这里插入图片描述
读取数据

features = pd.read_csv('11.csv')

标签长啥样

print(features['y'])

这就是喽在这里插入图片描述
创建数据集

labels = np.array(features['y'])
features= features.drop('y'

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

没有梦想的打工仔

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

〖TensorFlow2.0笔记23〗TensorFlow2.0学习笔记总结!

AI新视界

11-10

1万+

Tensorflow2.0全套课程学习笔记！

Tensorflow基于神经网络进行多元变量回归分析

yuirii的博客

11-25

7745

参与评论您还未登录，请先登录后发表或查看评论

用TensorFlow进行回归分析

King

01-09

1019

文章目录应用的Python包数据集介绍数据清洗数据检查分离特征并规范化数据构建模型训练模型预测结果完整代码应用的Python包 tensorflow pandas seaborn matplotlib 数据集介绍本次使用的数据集来源于UCI机器学习库。 Auto MPG数据集是一个经典的数据集，本次将使用它来构建预测70年代末到80年代初汽车燃油效率模型。数据清洗数据检查分离特征...

Tensorflow--回归分析

V_lq6h的博客

01-29

724

Tensorflow–回归分析 回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，通常分为两种情况：线性回归分析和非线性回归分析 一.线性回归分析 线性回归分析中只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析包括中两个或两个以上的自变量且因变量和自变量之间是线性关系，则称为多元线性回归分析 1.一元线性回归假设...

Tensorflow | 回归分析

求知：数据科学家之路

02-02

6013

用tensorflow来做回归分析，基于梯度下降法这里以一元回归分析为例子来说明如何用tensorflow实现回归分析。1、产生数据采用随机的方式来产生。先基于均值为0，方差为0.9的正态分布产生随机数X，再通过线性变换产生Y，再添加一个均值为0，方差为0.5的噪声。这样便得到数据X和Y。import numpy as np#产生100条数据 num_puntos = 100 conjunto

TensorFlow 简单回归分析

qq_41978896的博客

05-20

236

这里写目录标题TensorFlow 简单回归分析概述说明代码代码解释 TensorFlow 简单回归分析 概述之前一直听说TensorFlow很好用，至今到现在一直没有实际的使用的（之前一直用的sklearn），今天B站上看了一个教学视频跟着上课的老师敲了下面的代码，代码的功能实现了简单的回归分析。说明代码构建了包括输入层、输出层和一层隐藏层的神经网络，该神经网络的激活函数是tanh函数，该函数表达式为： tanh(x)=sinh(x)/conh(x) tanh(x)=sinh(x)/conh(x)

基于 TensorFlow 的回归分析

麦格芬230的博客

12-31

393

2.1基于TensorFlow线性回归本实验将学习如果在TensorFlow环境下进行线性回归。方框中的代码您可以复制到远程桌面的jupyter notebook中，建议手动输入以达到更高的学习效果。开始我们的实验！键入如下代码加载相关的包： import numpy as np import tensorflow as tf import matplotlib.patch...

TensorFlow2.0学习笔记(一）

12-21

在本篇TensorFlow 2.0的学习笔记中，我们将探讨数据读取与展示、模型构建、数据归一化、回调函数、回归模型、分类模型、深度神经网络、批归一化、激活函数、dropout技术、Wide & Deep模型、子类API实现、多输入和多...

TensorFlow2.0学习笔记——简单的线性回归实战

希望和大家多多交流技术！

09-27

1160

代码： import tensorflow as tf import numpy as np # 前期准备---数据处理：归一化 x_row = np.array([2013, 2014, 2015, 2016, 2017], dtype=np.float32) y_row = np.array([12000, 14000, 15000, 16500, 17500], dtype=np.float32) # 数据归一化需要用np容器类型的数据，因为TensorFlow没有x.min和x.max操作

tensorflow2.0训练模型进行预测

Black_Friend的博客

03-17

5864

#数据准备 import tensorflow as tf import random import pathlib import numpy as np data_path = pathlib.Path('c:/users/hb/.keras/datasets/G') all_image_paths = list(data_path.glob('*/*')) all_image_paths ...

tensorflow 回归的例子，包括保存模型和重新预测

weixin_44493841的博客

05-18

320

import pathlib import matplotlib.pyplot as plt import pandas as pd import seaborn as sns import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers print(tf.__version__) 2.5.0 Auto MPG 数据集该数据集可以从 UCI机器学习库中获取. 获取数据首先下载

tensorflow2.0，神经网络多输出模型

01-06

数据集为sklearn提供的加利福利亚房价预测数据集 import matplotlib.pyplot as plt from tensorflow import keras import tensorflow as tf import matplotlib as mpl import pandas as pd import numpy as np import sklearn import time import sys import os # 加载数据 from sklearn.datasets import fetch_california_housing housing = fetch

简单的Tensorflow(5)：回归分析

观月执白

11-29

698

至于什么是线性和非线性，最早出现在信号系统当中，是针对齐次性，叠加性等提出的，不懂的简单理解是直线即可。要对一堆数据进行模型分析，当我们看到一堆这样的数据时，第一反应这绝壁是一个二次函数。首先我们来实现这些函数的实现：这里需要引入一个numpy库设置一个一维数组,让这个数组是呈等价递增，并增加一个维度，可以理解为上图中的x轴。x_data = numpy.linspace(

Tensorflow入门——实现最简单的线性回归模型的预测

weixin_34092370的博客

04-02

588

2019独角兽企业重金招聘Python工程师标准>>> ...

[Tensorflow]构建神经网络完成线性回归分析

linchere的专栏

02-09

758

本文用tensorflow构建神经网络完成一个简单的例子：线性回归。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 对于线性关系y = x1 + x0，x1和x0都是一维向量 input_num = 2 output_num = 1 # 用16个神经元 neurons_num = 16...

Tensorflow2.0 利用API 自定义构建回归模型

F229338596的专栏

08-02

454

低阶API构建回归模型准备数据 import numpy as np import pandas as pd from matplotlib import pyplot as plt #样本数量 n = 400 # 生成测试用数据集 X = tf.random.uniform([n,2],minval=-10,maxval=10) w0 = tf.constant([[2.0],[-3.0]]) b0 = tf.constant([[3.0]]) Y = X@w0 + b0 + tf.rando

学习TensorFlow，线性回归模型

何雷

03-16

4559

学习TensorFlow，在MNIST数据集上建立softmax回归模型并测试一、代码 fromtensorflow.examples.tutorials.mnist import input_data mnist =input_data.read_data_sets('MNIST_data', one_hot=True) import tensorflow astf sess =tf.In

TensorFlow基础之线性回归

繁华落尽梦一场

08-29

1952

线性回归，我们在初中就开始接触了，二维平面给出一些点，用一条直线拟合这些点。但实际情况下，这些点中都会有一些噪点、误差，那么怎么才能找出一条拟合度最好的直线呢？比如下图是y=2x+4的点，随机加入一些误差后怎么才能得到拟合最好的直线。要判断好还是不好，首先要有一个度量指标，其次这个指标可以容易转换成数学运算。这里引出一种方法：最小二乘...

使用Tensorflow进行时序预测(TFTS)

GavinZhou的博客

11-28

7227

时序预测是一个经典的话题，应用面也很广; 结合LSTM来做也是一个效果比较好的方式. 这次准备使用TF来进行时序预测，计划写两篇: 1. 使用Tensorflow Time Series模块 2. 使用底层点的LSTM Cell这就是第一篇啦，Time Series Prediction via TFTS. 来源于此: TFTS介绍，略有加工整理，侵删!TFTSTensorflow Time

TensorFlow2.0入门：数据读取与模型构建

"TensorFlow2.0学习笔记(一）数据读取和展示模型构建数据归一化回调函数回归模型分类模型深度神经网络批归一化激活函数dropoutWide&Deep模型子类API实现wide&deep多输入、多输出超参数搜索sklearn超参数搜索" ...