Wie Lineare Regression Modell mit My Own Daten auf Tensorflow

Question

Ich habe Datensatz wie diese

[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] 
.... 
.... 

Größe hierfür ist [n] [19], [n] [1] verwenden. Ich möchte Tensorflow Lineare Regression verwenden, um Vorhersagen über Python zu erhalten. Ich meine, ich möchte diese 19 Variable verwenden, um 1 Variable vorherzusagen. Ich habe einen großen Datensatz. Ich denke, es wird für das Training reichen.

Ich bin jedoch ein Anfänger in Machine Learning und Tensorflow. Kannst du mir Unterlagen oder Hinweise dafür geben? Vielen Dank im Voraus.

Answer 1

Dies ist ein einfaches lineares Regressionsmodell:

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) 

Dann müssen Sie die train_op unter TensorFlow Sitzung.

Für Ihr Dataset müssen Sie nur die w und x ändern. Weitere Beispiele finden Sie unter https://github.com/nlintz/TensorFlow-Tutorials/blob/master/01_linear_regression.py.