この章では、TensorFlow を使用した線形回帰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、順序付けされた離散カテゴリを分類するために使用される教師あり機械学習手法です。この章の目標は、ユーザーが独立変数と 1 つ以上の従属変数の間の関係を予測できるモデルを構築することです。
これら 2 つの変数間の関係は線形であると考えられます。y が従属変数、x が独立変数とみなされる場合、これら 2 つの変数間の線形回帰関係は以下の方程式に示されます-
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るようになります。
1. 損失関数
2. 勾配降下法アルゴリズム
線形回帰の概略図は次のとおりです-
線形回帰方程式のグラフ表示を以下に示します-
線形回帰アルゴリズムの設計手順
ここでは、線形回帰アルゴリズムの設計に役立つ手順を学習します。
ステップ 1
線形回帰モデ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。まず、Python ライブラリ NumPy と Matplotlib をインポートします。
import numpy as np
import matplotlib.pyplot as plt
ステップ 2 では、
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</