TensorFlow 一元线性回归
TensorFlow实现一元线性回归模型
(x y)
1 3
1 5.1
1 6.99
y = w * x + b;
1.假设一个线性回归模型
h(x) = 3 * x + 5;
2.判断这个假设线性回归模型对不对
3 * 1 + 5 = 8
代价函数:均方差
((8 - 3)的平方 + (11 - 5.1)的平方+(14 - 6.99)的平方)/ 2*3
3.判断这个模型参数
1
2
3
4
5
6
h(x) = 2.8 * x + 4;
h(x) = 2.6 * x +3;
.
.
.
h(x) = 2.0 * x + 1;
求最优解算法:
梯度下降:
4.得到符合要求的线性回归模型
h(x) = 2.0 * x + 1;
5.用验证数据验证下训练出来的模型对不对
总结
-
获得训练数据和验证数据(一堆(x,y)组成的训练点)
-
假设一个一元线性回归函数 (a = w*x +b)
-
判断假设函数的好坏 (代价函数)
-
调整假设的一元线性回归函数 (梯度下降算法 学习率)
-
得到最优的预测一元线性回归函数 (y = w*x +b)
-
根据验证数据验证函数是否符合要求