tensorflow学习002——机器学习原理_线性回归

2.1 机器学习原理——线性回归

在代码目录下创建一个dataset目录，将Income1.csv放入到该目录下
链接：https://pan.baidu.com/s/1oAT_Pk-LRp1Nl1SbpzhdlQ
提取码：58wb
这个文件我放到了百度网盘的分享链接里面了

单变量线性回归算法： x代表学历,f(x)代表收入
f(x) = ax + b 只要求出a,b来就可以，至于收入和学历的关系，可以从上面的csv表格中看出是大致呈现线性关系

点击查看代码

import pandas as pd
data = pd.read_csv("./dataset/Income1.csv")
print(data)

读取csv中的数据，显示为如图2-1所示

图2-1

点击查看代码

import matplotlib.pyplot as plt

plt.scatter(data.Education, data.Income) #散点图
plt.show()

使用散点图显示，如图2-2，可以看出确实呈一定的线性关系

图2-2
呈线性关系，就可以使用f(x)=ax+b近似表示

我们的目标是：预测函数f(x)与真实值之间的整体误差最小是最好的
而定义这种误差可以使用均方差，也就是预测值和真实值之间差的平方取均值，为什么不直接使用预测值和真实值之间的差，这是因为，这个差会有正有负，最后可能得到一个整体差为0，但是效果却不一定会很好。
这里的均方差，也就是我们的损失函数
对于如何求解a,b，可以猜测a,b的值，但显然这是一种最笨的方法，我们可以使用梯度下降的算法