TensorFlow-線形回帰

この章では、TensorFlowを使用した線形回帰の実装の基本的な例に焦点を当てます。ロジスティック回帰または線形回帰は、順序離散カテゴリの分類のための教師あり機械学習アプローチです。この章の目標は、ユーザーが予測変数と1つ以上の独立変数との関係を予測できるモデルを構築することです。

これらの2つの変数間の関係は、線形と見なされます。 yが従属変数であり、xが独立変数と見なされる場合、2つの変数の線形回帰関係は次の式のようになります-

Y = Ax+b

線形回帰のアルゴリズムを設計します。これにより、次の2つの重要な概念を理解できます。

コスト関数
勾配降下アルゴリズム

線形回帰の概略図は以下に記載されています-

回路図の線形回帰

線形回帰の方程式のグラフィカルなビューは以下に記載されています-

グラフィカルな回路図表現

線形回帰のアルゴリズムを設計する手順

ここで、線形回帰のアルゴリズムの設計に役立つ手順について学習します。

ステップ1

線形回帰モジュールをプロットするために必要なモジュールをインポートすることが重要です。 PythonライブラリNumPyとMatplotlibのインポートを開始します。

import numpy as np
import matplotlib.pyplot as plt

ステップ2

ロジスティック回帰に必要な係数の数を定義します。

number_of_points = 500
x_point = []
y_point = []
a = 0.22
b = 0.78

ステップ3

回帰方程式の周りに300個のランダムなポイントを生成するための変数を繰り返します-

Y = 0.22x + 0.78

for i in range(number_of_points):
   x = np.random.normal(0.0,0.5)
   y = a*x + b +np.random.normal(0.0,0.1) x_point.append([x])
   y_point.append([y])

ステップ4

Matplotlibを使用して、生成されたポイントを表示します。

fplt.plot(x_point,y_point, 'o', label = 'Input Data') plt.legend() plt.show()

ロジスティック回帰の完全なコードは次のとおりです-

import numpy as np
import matplotlib.pyplot as plt

number_of_points = 500
x_point = []
y_point = []
a = 0.22
b = 0.78

for i in range(number_of_points):
   x = np.random.normal(0.0,0.5)
   y = a*x + b +np.random.normal(0.0,0.1) x_point.append([x])
   y_point.append([y])

plt.plot(x_point,y_point, 'o', label = 'Input Data') plt.legend()
plt.show()

入力として取得されるポイントの数は、入力データと見なされます。

ロジスティック回帰のコード

Tensorflow-linear-regression

目次