tensorflow学习
-
多元线性回归
使用梯度下降算法求解多元线性回归
步骤：
1 · 加载样本数据
2 · 数据处理 （归一化：将数据的值限制在一定的范围之内）
- 线行归一化：对原始数据的线性变换，是等比例缩放
- 标准差归一化：将数据集归一化为均值为0，方差为1的标准正态分布
- 非线性映射归一化：对原始数据的非线性变换
3 · 设置超参数（学习率，迭代次数）
4 · 设置模型参数处置
5 · 训练模型
6 · 可视化输出结果
使用梯度下降算法求解多元线性回归
步骤：
1 · 加载样本数据
2 · 数据处理 （归一化：将数据的值限制在一定的范围之内）
- 线行归一化：对原始数据的线性变换，是等比例缩放
- 标准差归一化：将数据集归一化为均值为0，方差为1的标准正态分布
- 非线性映射归一化：对原始数据的非线性变换
3 · 设置超参数（学习率，迭代次数）
4 · 设置模型参数处置
5 · 训练模型
6 · 可视化输出结果