【TensorFlow】—— 使用TensorFlow實現線性迴歸（波士頓房價數據集）

線性迴歸模型

$f(x)= ax + b$
使用 $f(x)$ 來映射輸入特徵和輸出值，$a$ 爲權重，$b$ 爲偏置。

損失函數：

$MSE = \frac{1}{n}\displaystyle \sum^n_{i=1}(f(x)-y)^2$

優化目標：

找到合適的 $a$ 和 $b$，使得 $(f(x) - y)²/n$ 越小越好。

---

大體步驟：

1. 讀取數據集（此處使用波士頓房價數據集）
2. 定義變量和模型
3. 設置超參數、訓練模型
4. 對模型進行預測評估

---

讀取數據集：

import tensorflow as tf
from sklearn import datasets
import matplotlib.pyplot as plt
boston = datasets.load_boston()

X = boston.data[:, 5] # 取出房間數量這一特徵
y = boston.target
plt.scatter(X, y)

Output：

---

定義變量和模型：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1, input_shape=(1,)))
model.summary() # 打印出模型概述信息

Output：

模型概述信息

---

設置超參數、訓練模型：

model.compile(optimizer='adam', loss='mse') # 選擇優化器adam，損失函數mse
history = model.fit(X, y, epochs=5000) # 訓練模型

Output：

---

對模型進行預測評估：

print(model.predict(X)) # 預測一下

Output：