線性迴歸模型
使用 來映射輸入特徵和輸出值, 爲權重, 爲偏置。
損失函數:
優化目標:
找到合適的 和 ,使得 越小越好。
大體步驟:
- 讀取數據集(此處使用波士頓房價數據集)
- 定義變量和模型
- 設置超參數、訓練模型
- 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