Как использовать модель линейной регрессии с моими собственными данными о Tensorflow

Question

Я набор данных как этот

[2016-10-24,23.00,76.00,1015.40,0.00,0.00,100.00,26.00,100.00,100.00,0.00,6.88,186.01,12.26,220.24,27.60,262.50,14.04,2.1] , [15.47] 
[2016-10-24,22.00,73.00,1014.70,0.00,0.00,10.20,34.00,0.00,2.00,0.00,6.49,176.82,11.97,201.16,24.27,249.15,7.92,0.669999 ] , [16.14] 
.... 
.... 

Размер этого [п] [19], [п] [1]. Я хочу использовать линейную регрессию Tensorflow, чтобы получить прогноз на Python. Я имею в виду, что я хочу использовать эту переменную 19 для прогнозирования 1 переменной. У меня большой набор данных. Я думаю, этого будет достаточно для обучения.

Однако я начинаю изучать машины и тензор. Можете ли вы дать мне документацию или понять это? Спасибо заранее.

Answer 1

Это простая модель линейной регрессии:

def model(X, w): 
    return tf.mul(X, w) # Just X*w so this model line is pretty simple 

w = tf.Variable(0.0, name="weights") 
y_model = model(X, w) 

cost = tf.square(Y - y_model) # use square error for cost function 
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost) 

Затем вам нужно запустить train_op под TensorFlow сессии.

Для вашего набора данных вам просто нужно изменить w и x. Дополнительные примеры см. На странице https://github.com/nlintz/TensorFlow-Tutorials/blob/master/01_linear_regression.py.