使用 TensorFlow 对 13 列数据集进行回归答案

【问题标题】：Using TensorFlow to do regression on a 13 column data set使用 TensorFlow 对 13 列数据集进行回归
【发布时间】：2017-05-11 16:25:50
【问题描述】：

我想对 13 列数据集进行回归。第二列取决于其余 12 列。所有列都包含实数值。

如何使用 TensorFlow 创建神经网络来进行回归？我已经尝试过这个tutorial，但它对我来说太先进了。

提前感谢 MWE。

【问题讨论】：

你说的教程很简单。你不明白的部分是什么？
@Rob，我不明白我应该如何创建二进制列。这是依赖列的描述性统计信息。平均值-2.0552677366标准误差0.0311238596模式0中音-0.17276868差异45.1692622768标准偏差6.7208081565 Kurtosis 72.8788782322斜率72.8788782322斜率0.9942325范围330.25942最小-140.53192最多189.7275和-95835.0792920298 COUNT 46629 span>
@Rob，此外，代码看起来不像是在创建神经网络。
我现在明白你的问题，我已经写了一个答案。

【解决方案1】：

在那篇教程中，他们使用逻辑回归，即线性二元分类器。他们使用类 tf.contrib.learn.LinearClassifier 作为他们的模型。

如果你使用类 tf.contrib.learn.LinearRegressor 那么你可以做线性回归而不是分类。

在该网页中，您可以找到其他模型的教程。如果您想创建一个神经网络，您在左侧菜单中有不同的教程，例如：

在这个存储库中，您有 Python 笔记本，其中包含许多不同神经网络的完整代码：

【讨论】：