笔记 - tensorflow小案例：线性回归

编程思路：

1. 导入相关包
2. 导入数据集
3. 处理数据格式
4. 构建算法（最小二乘）
5. 创建Session执行图

最小二乘公式：

"""
tensorflow 实现线性回归案例
"""

import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing

# 装载数据
housing = fetch_california_housing(data_home='C:/Users/Mcdonald/Documents/workplace/Pycharm/scikit_learn_data',
                                   download_if_missing=True)

# 查看数据信息
m, n = housing.data.shape
print(m, n)
print(housing.data, housing.target)
print(housing.feature_names)

# 准备数据，构建图
"""
m行 n列 -> 添加一列偏置列（x0）
直接二乘法处理
"""

housing_data_with_bias = np.c_[np.ones((m, 1)), housing.data]
X = tf.constant(housing_data_with_bias, name='X')

''''
y = tf.constant(housing.target, name='y')
print(y.shape)  # (20640,) 显然这个格式不行 -- 需要变成二维数组格式
'''

y = tf.constant(housing.target.reshape(-1, 1), name='y')

XT = tf.transpose(X)

theta = tf.matmul(tf.matmul(tf.matrix_inverse((tf.matmul(XT, X))), XT), y)

with tf.Session() as sess:
    """
    这段代码没有需要初始化的变量
    所以直接执行图了
    """
    theta_value = theta.eval()

print(theta_value)