使用tensorflow进行简单的线性回归

金融老法师

使用tensorflow进行简单的线性回归

标签（空格分隔）： tensorflow

---

数据准备

• 使用np.random.uniform()生成x方向的数据
• 使用np.random.uniform()生成bias数据
• 直线方程为y=0.1x + 0.2
• 使用梯度下降算法
  

代码

1. <font size="5">import numpy as np
   
2. import tensorflow as tf
   
3. path = 'D:\tensorflow_quant\ailib\log_tmp'
   
4. 
   
5. # 生成x数据
   
6. points = 100
   
7. vectors = []
   
8. for i in range(points):  # y=0.1*x + 0.2
   
9.     x = np.random.uniform(0, 0.66)
   
10.     y = x * 0.1 + 0.2 + np.random.uniform(0, 0.04)
    
11.     vectors.append([x, y])
    
12. 
    
13. x_data = [v[0] for v in vectors]
    
14. y_data = [v[1] for v in vectors]
    
15. 
    
16. #形成计算图
    
17. w = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
    
18. b = tf.Variable(tf.zeros([1]))
    
19. y = w * x_data + b
    
20. #定义损失函数
    
21. loss = tf.reduce_mean(tf.square(y-y_data))
    
22. #定义优化器
    
23. optimizer = tf.train.GradientDescentOptimizer(0.5)
    
24. train = optimizer.minimize(loss)
    
25. #对计算图开始计算
    
26. with tf.Session() as sess:
    
27.     init = tf.global_variables_initializer()
    
28.     sess.run(init)
    
29.     for step in range(1000):
    
30.         sess.run(train)
    
31.         if step%5==0:
    
32.             print(step,sess.run(loss),sess.run(w),sess.run(b))
    
33.     #生成计算日志
    
34.     writer = tf.Summary.FileWriter(path,sess.graph)</font>

复制代码