python 实现一个简单的线性回归案例
#!/usr/bin/envpython
#-*-coding:utf-8-*-
#@File:自实现一个线性回归.py
#@Author:赵路仓
#@Date:2020/4/12
#@Desc:
#@Contact:398333404@qq.com
importos
importtensorflowastf
deflinear_regression():
"""
自实现一个线性回归
:return:
"""
#命名空间
withtf.variable_scope("prepared_data"):
#准备数据
x=tf.random_normal(shape=[100,1],name="Feature")
y_true=tf.matmul(x,[[0.08]])+0.7
#x=tf.constant([[1.0],[2.0],[3.0]])
#y_true=tf.constant([[0.78],[0.86],[0.94]])
withtf.variable_scope("create_model"):
#2.构造函数
#定义模型变量参数
weights=tf.Variable(initial_value=tf.random_normal(shape=[1,1],name="Weights"))
bias=tf.Variable(initial_value=tf.random_normal(shape=[1,1],name="Bias"))
y_predit=tf.matmul(x,weights)+bias
withtf.variable_scope("loss_function"):
#3.构造损失函数
error=tf.reduce_mean(tf.square(y_predit-y_true))
withtf.variable_scope("optimizer"):
#4.优化损失
optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(error)
#收集变量
tf.summary.scalar("error",error)
tf.summary.histogram("weights",weights)
tf.summary.histogram("bias",bias)
#合并变量
merged=tf.summary.merge_all()
#创建saver对象
saver=tf.train.Saver()
#显式的初始化变量
init=tf.global_variables_initializer()
#开启会话
withtf.Session()assess:
#初始化变量
sess.run(init)
#创建事件文件
file_writer=tf.summary.FileWriter("E:/tmp/linear",graph=sess.graph)
#print(x.eval())
#print(y_true.eval())
#查看初始化变量模型参数之后的值
print("训练前模型参数为:权重%f,偏置%f"%(weights.eval(),bias.eval()))
#开始训练
foriinrange(1000):
sess.run(optimizer)
print("第%d次参数为：权重%f,偏置%f,损失%f"%(i+1,weights.eval(),bias.eval(),error.eval()))
#运行合并变量操作
summary=sess.run(merged)
#将每次迭代后的变量写入事件
file_writer.add_summary(summary,i)
#保存模型
ifi==999:
saver.save(sess,"./tmp/model/my_linear.ckpt")
##加载模型
#ifos.path.exists("./tmp/model/checkpoint"):
#saver.restore(sess,"./tmp/model/my_linear.ckpt")
print("参数为：权重%f,偏置%f,损失%f"%(weights.eval(),bias.eval(),error.eval()))
pre=[[0.5]]
prediction=tf.matmul(pre,weights)+bias
sess.run(prediction)
print(prediction.eval())
returnNone
if__name__=="__main__":
linear_regression()
以上就是python实现一个简单的线性回归案例的详细内容，更多关于python实现线性回归的资料请关注毛票票其它相关文章！