python - 如何在 Tensorflow 上使用线性回归模型和我自己的数据

Question

我有这样的数据集

[2016-10-24,23.00,76.00,1015.40,0.00,0.00,100.00,26.00,100.00,100.00,0.00,6.88,186.01,12.26,220.24,27.60,262.50,14.04,2.1] , [15.47]
[2016-10-24,22.00,73.00,1014.70,0.00,0.00,10.20,34.00,0.00,2.00,0.00,6.49,176.82,11.97,201.16,24.27,249.15,7.92,0.669999 ] , [16.14]
....
....

它的大小是 [n][19]，[n][1]。我想使用 Tensorflow 线性回归在 Python 上进行预测。我的意思是我想用这 19 个变量来预测 1 个变量。我有大数据集。我认为这足以用于培训。

但是，我是机器学习和 Tensorflow 的初学者。你能给我任何文件或线索吗？ 提前致谢。

Answer 1

这是一个简单的线性回归模型:

def model(X, w):
    return tf.mul(X, w) # Just X*w so this model line is pretty simple

w = tf.Variable(0.0, name="weights") 
y_model = model(X, w)

cost = tf.square(Y - y_model) # use square error for cost function
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost) 

然后您需要在 TensorFlow session 下运行 train_op。

对于您的数据集，您只需更改 w 和 x。在 https://github.com/nlintz/TensorFlow-Tutorials/blob/master/01_linear_regression.py 查看更多示例.