写点什么

数据挖掘从入门到放弃(七):TensorFlow 和 keras 实现线性回归 LinearRegression

用户头像
数据社
关注
发布于: 2021 年 05 月 20 日
数据挖掘从入门到放弃(七):TensorFlow和keras实现线性回归LinearRegression

从实践出发学习 TensorFlow 和 teras 机器学习框架,分别用 tf 和 keras 实现线性模型,两者区别在于前者相当于手推了线性回归模型,后者使用单层的感知机,很便捷。


使用 TensorFlow(2.0)


需要自定义优化器、拟合函数等,如下:


from __future__ import absolute_import, division, print_function
复制代码


这里说一下 TensorFlow 中求平均值函数 reduce_mean(),可以定义按照行或者列求平均值等;


# tf中reduce函数计算均值
复制代码


在 TensorFlow 中,梯度下降法 GradientTape 的使用:


#举个例子:计算y=x^2在x = 3时的导数:
复制代码


输出训练过程:



训练结果:;



使用 keras


keras 实现线性回归不用在意实现细节,定义一个感知机模型(单层网络)训练即可,如下:


import tensorflow as tf
复制代码


这里讲一下 numpy.array 和 pd.dataframe 的相互转换,一般 py 包中默认使用 numpy 作为基本的向量操作包,对于习惯使用 pd.dataframe 的人来说,要熟悉基本操作:


# 两个array合并后转秩,才能得到一个df
复制代码


原始数据分布:



拟合的效果图:



发布于: 2021 年 05 月 20 日阅读数: 15
用户头像

数据社

关注

微信公众号:数据社 2018.04.26 加入

专注大数据架构,数据仓库,MPP数据库分享,微信公众号数据社

评论

发布
暂无评论
数据挖掘从入门到放弃(七):TensorFlow和keras实现线性回归LinearRegression