TensorFlow 一元线性回归

TensorFlow实现一元线性回归模型

(x y)

1 3

1 5.1

1 6.99

y = w * x + b;

1.假设一个线性回归模型

h(x) = 3 * x + 5;

2.判断这个假设线性回归模型对不对

3 * 1 + 5 = 8

代价函数：均方差
（（8 - 3）的平方 + (11 - 5.1)的平方+(14 - 6.99)的平方）/ 2*3

3.判断这个模型参数

1
2
3
4
5
6
h(x) = 2.8 * x + 4;
h(x) = 2.6 * x +3;
.
.
.
h(x) = 2.0 * x + 1;
求最优解算法：

梯度下降：

4.得到符合要求的线性回归模型

h(x) = 2.0 * x + 1;

5.用验证数据验证下训练出来的模型对不对

总结

1. 获得训练数据和验证数据（一堆（x，y）组成的训练点）

2. 假设一个一元线性回归函数 （a = w*x +b）

3. 判断假设函数的好坏 (代价函数)

4. 调整假设的一元线性回归函数 (梯度下降算法 学习率)

5. 得到最优的预测一元线性回归函数 (y = w*x +b)

6. 根据验证数据验证函数是否符合要求