linear_regression

linear_regression

importtensorflowastf
importnumpyasnp
fromsklearn.datasetsimportfetch_california_housing

#立刻下载数据集
housing=fetch_california_housing(data_home="C:/Users/root/scikit_learn_data",download_if_missing=True)
#获得X数据行数和列数
m,n=housing.data.shape
print(m,n)
print(housing.data,housing.target)
print(housing.feature_names)

#这里添加一个额外的bias输入特征(x0=1)到所有的训练数据上面，因为使用的numpy所以会立即执行
housing_data_plus_bias=np.c_[np.ones((m,1)),housing.data]
#创建两个TensorFlow常量节点X和y，去持有数据和标签
X=tf.constant(housing_data_plus_bias,dtype=tf.float32,name='X')
y=tf.constant(housing.target.reshape(-1,1),dtype=tf.float32,name='y')
#使用一些TensorFlow框架提供的矩阵操作去求theta
XT=tf.transpose(X)
#解析解一步计算出最优解
theta=tf.matmul(tf.matmul(tf.matrix_inverse(tf.matmul(XT,X)),XT),y)
print(theta)

withtf.Session()assess:
theta_value=sess.run(theta)#theta.eval()

print(theta_value)

文章到这里就结束了！希望大家能多多支持Python（系列）！六个月带大家学会Python，私聊我，可以问关于本文章的问题！以后每天都会发布新的文章，喜欢的点点关注！一个陪伴你学习Python的新青年！不管多忙都会更新下去，一起加油！

Editor：Lonelyroots