TensorFlow 线性回归答案

【问题标题】：TensorFlow Linear RegressionTensorFlow 线性回归
【发布时间】：2020-08-14 16:04:52
【问题描述】：

我正在尝试使用 Tensorflow 来计算一些数据的线性回归。我不明白为什么不能预测一条像样的线。在我得到的结果下方：

这是我的代码，我尝试更改不同的参数但无事可做。

欢迎提出任何建议。

# Prepare the data
x = df["Attainment8_float"]
y = df["Progress8_float"]

# Check the data
plt.scatter(x, y)
plt.show()

# TensorFlow Model

# Config
num_epochs = 1000
learning_rate = 0.0001
# /Config

# Creating the graph
ops.reset_default_graph()

tf.disable_v2_behavior()
X = tf.placeholder(tf.float32, name='X')
Y = tf.placeholder(tf.float32, name='Y')

a = tf.get_variable('a', initializer=0.)
b = tf.get_variable('b', initializer=0.)

h = a * X + b

cost = tf.reduce_mean( (h - Y)**2 )

optimizer = tf.train.GradientDescentOptimizer(
    learning_rate=learning_rate
).minimize(cost)

init = tf.global_variables_initializer()

# Running the Model
found_a = 0
found_b = 0

with tf.Session() as sess:
    sess.run(init)
    for epoch in range(num_epochs):
        _, costValue = sess.run(
            [optimizer, cost],
            feed_dict={
                X: x,
                Y: y,
            }
        )
        found_a = a.eval()
        found_b = b.eval()
        if epoch % (num_epochs/10) == 0: # Every 10 percent
            print("... epoch: " + str(epoch))
            print(f"cost[{str(costValue)}] / a[{str(a.eval())}] / b[{str(b.eval())}]")

# Seing the obtained values in a plot
xrange = np.linspace(x.min(), x.max(), 2)

# Plot points
plt.plot(x, y, 'ro')

# Plot resulting function
plt.plot(xrange, xrange * found_a + found_b, 'b')

plt.show()

【问题讨论】：

你能让数据可以访问吗？
data.london.gov.uk/download/gcse-results-by-borough/…我已经清理了一些数据，但在这里你可以找到所有内容。
你能添加完整的代码吗？尤其是你如何创建 df。
df = pd.read_csv(r'C:/Users/Lavoro/Desktop/PythonBook/gcse-results.csv') #drop 。在 cvs df = df[df.Attainment8 != "."] df = df[df.Progress8 != "."] #convert object in float df["Attainment8_float"] = df["Attainment8"].astype(float ) df["Progress8_float"]= df["Progress8"].astype(float)
我确实在 np 数组中转换了 x 和 y 但仍然没有

标签： python tensorflow linear-regression

【解决方案1】：

当我运行它时

a = tf.get_variable('a', initializer= 0.05) 
b = tf.get_variable('b', initializer=-2.0)

我明白了

但是，我做了一些数据预处理。我删除了带有“。”的条目就我所见，正如你所做的那样。此外，我删除了带有“x”的条目，因此代码如下所示：

df = df[df.Attainment8 != "."] 
df = df[df.Progress8 != "."] 

df = df[df.Attainment8 != "x"] 
df = df[df.Progress8 != "x"] 

#convert object in float 
df["Attainment8_float"] = df["Attainment8"].astype(float) 
df["Progress8_float"]= df["Progress8"].astype(float)

当我另外使用时（连同设置为 0.05 和 -2.0 的初始化程序）

num_epochs = 2000
learning_rate = 0.000001

我明白了

【讨论】：