tensorflow2.0线性回归,tensorflow 回归

　　这篇文章主要为大家详细介绍了张量流实现简单线性回归，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

　　本文实例为大家分享了张量流实现简单线性回归的具体代码，供大家参考，具体内容如下

简单的一元线性回归

　　一元线性回归公式：

　　其中x是特征：[x1，x2，x3，…，xn，]T

　　w是权重，b是偏置值

　　代码实现

　　导入必须的包

　　将张量流作为法国南部（French Southern Territories的缩写）导入

　　将matplotlib.pyplot作为血小板计数导入

　　将数组作为铭牌导入

　　导入操作系统

　　# 屏蔽警告以下的日志信息

　　OS。environ[ TF _ CPP _ MIN _ LOG _ LEVEL ]= 2

　　产生模拟数据

　　定义生成数据():

　　x=TF。常数(NP。array([I for I in range(0，100，5)]).整形(-1，1)，tf.float32)

　　y=tf.add(tf.matmul(x，[[1.3]]) 1，tf.random_normal([20，1]，stddev=30))

　　返回x，y

　　x是100行一列的数据，tf.matmul是矩阵相乘，所以权值设置成二维的。

　　设置的w是1.3，b是一

　　实现回归

　　def myregression():

　　自实现线性回归

　　:返回：

　　x，y=generate_data()

　　# 建立模型y=x * w b

　　# w 1x1的二维数据

　　w=tf .变量(tf.random_normal([1，1]，mean=0.0，stddev=1.0)，name=weight_a )

　　b=tf .变量(0.0，name=bias_b )

　　y_predict=tf.matmul(x，a) b

　　# 建立损失函数

　　损失=TF。reduce _均值(TF。square(y _ predict-y))

　　# 训练

　　train _ op=TF。火车。梯度下降优化器(0.1).最小化（损失=损失)

　　# 初始化全局变量

　　init _ op=TF。global _ variables _初始值设定项()

　　用tf .会话()为sess:

　　sess.run(init_op)

　　打印(初始的权重：%f偏置值：% f"%(a . eval()、b.eval()))

　　# 训练优化

　　对于范围(1,100):内的我

　　sess.run(训练_操作)

　　打印(第%d次优化的权重：%f偏置值：%f % (i，a.eval()，b.eval()))

　　# 显示回归效果

　　show_img(x.eval()，y.eval()，y_predict.eval())

　　使用绘制精美的图表查看回归效果

　　def show_img(x，y，y_pre):

　　平面散点图(x，y)

　　plt.plot(x，y_pre)

　　plt.show()

　　完整代码