使用lstsq實現簡單的線性回歸模型
import numpy as np
from scipy.linalg import lstsq
# 飛機飛行距離花費時間
distance = np.array(
[365
,1462
,1285
,1096
,517
,1686
,932
,1160])
time = np.array(
[1.167
,2.333
,2.250
,2.083
,2.250
,2.833
,1.917
,2.167])
m = distance[
:, np.newaxis]**[
0,1]
model, _, _, _ = lstsq(m,time)
print
("截距 ="
, model[0]
)print
("距離的係數 ="
, model[1]
)x =
454#輸入飛機飛行454公里時等
y = model[1]
*x+model[0]
print
(y)
列印結果如圖;
可知**結果飛行454公里需要1.61個小時
TensorFlow構造簡單的線性回歸模型
例項 構造線性回歸模型 x np.float32 np.random.normal 8,10,1,100 生成1行100列的隨機資料矩陣 y 0.5 x 1.2 np.random.normal 0,0.01 計算對應的y值 w tf.variable tf.zeros 1,1 初始化訓練的w b ...
基於tensorflow的簡單線性回歸模型
usr local bin python3 ljj 1 linear regression model import tensorflow as tf import matplotlib.pyplot as plt 訓練樣本,隨手寫的 x 11,14,22,29,32,40,44,55,59,60,...
基於tensorflow實現的線性回歸模型
遇到的問題以及解決方案 question1 對於隨機生成的x,y訓練出來的擬合直線效果不理想。解決方案 將權重的標準差調整為0後效果仍然不理想,然後根據線性回歸的流程,對所有引數設定的一一進行排查,最後將錯誤定位到梯度下降法的步長,起初設定為0.0001,導致步長太小,使得直線擬合速度太慢,迭代50...