Tensorflow波士顿房价预测学习记录
Tensorflow波士顿房价预测学习记录
第一.导入需要的库
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
numpy数组用来初始化（后文）
matplotlib用来画图，可以更加明显的突出数据的变化
第二.加载波士顿地价
介绍
波士顿房价数据集是统计的20世纪70年代中期波士顿郊区房价的中位数，统计了当时教区部分的犯罪率、房产税等共计13个指标，统计出房价，试图能找到那些指标与房价的关系。本例子明显的是属于回归模型的案例。在数据集中包含506组数据，其中404是训练样本，剩下的102组数据作为验证样本。
也就说房价和13个因素有关，这次只研究一个因素
boston_housing=tf.keras.datasets.boston_housing
(train_x,train_y),(test_x,test_y)=boston_housing.load_data()
# 加载波士顿训练集，测试集
第三.测试集，集训练集的加载
x_train=train_x[:,5]
y_train=train_y
#训练集
#取出房间数和房价
#房价可以和原始数据区分
x_test=test_x[:,5]
y_test=test_y
#测试集房间数房价同理
第四.超参数 ——学习率 循环次数 每次展示间隔
learn_rate=0.04
iter=2000
display_step=200
第五.设置模型参数初始值
np.random.seed(612)
w=tf.Variable(np.random.randn())
b=tf.Variable(np.random.randn())
# w.numpy() b.numpy()
# float32 float32
mse_train=[]#训练误差
mse_test=[]#测试误差
笔记：
Tensorflow有自动求导机制–GrandientTape
其具有上下文管理器，监视with语句块中所有的变量和计算过程，并把他们记录在梯度袋中
（函数：被求导的函数 自变量：求导参数）
例如：
原创文章 1获赞 0访问量 38
关注
私信
展开阅读全文
作者：Alan羽晨
