TensorFlow線形回帰モデル計算

初心者TensorFlow
直接コードに結合して言っても過言ではありません
コード、コメント、自分の理解、のコピーは、交換を歓迎しました
インポートのTFとしてtensorflow
 インポートのNPとしてnumpyの
 インポートPLTとしてmatplotlib.pyplotは

DEF （X）正規化
    ：""」"アレイを正規化""" 
    を意味 = np.mean（X）
    STD = np.std（X）を、
    X =（ X-平均）/ STDの
     復帰X 

ボストン = tf.contrib.learn.datasets.load_dataset（" ボストン" ）
 ＃   http://c.biancheng.net/view/1906.html 

ボストン = tf.contrib.learn.datasets。 load_dataset（' ボストン'）＃データのインポート
X_train、Y_train boston.data = [：]、[5]、boston.target ＃データサンプル割り当て 
N_SAMPLES = LEN（X_train） ＃は、トレーニングセットの数読み出す 
X-tf.placeholder =（tf.float32、名前=を' X- '）＃変数定義モデル=====>モデルW * = X + Y B 
Y = tf.placeholder（tf.float32、NAME = ' Y ' ）
B = tf.Variable（0.0 ）
W = tf.Variable（ 0.0 ）
 ＃エンド定義

Y_hatを = * W + X - Bの
損失 = tf.square（Y - Y_hat、名前= ' 損失'）＃は、損失関数を定義します
= tf.train.GradientDescentOptimizerオプティマイザ（learning_rate = 0.01）.minimize（損失）＃損失関数の最適解は、本発明の方法は、最適な動作機能を解くための鍵となり 
tf.global_variables_initializer init_op =（） ＃を初期化する 
トータル= [] 
セッション数ASとtf.Session（）： ＃の方法での使用はtf.Session（）結果はセッション数に置かれる返す算出 
    sess.run（init_op）  ＃の初期化の実行 
    = tf.summary.FileWriter（ライター「グラフ」、セッション数を.graph） ＃は、操作ログファイルを生成し、アルゴリズムが構築見ることができる===>表示するには、次のコマンドラインDで：\ PythonProject \ TensorFlow> tensorboard --logdir =グラフ、グラフの入力パラメータてFileWriterは、複製のURLを返しますペースト
    用 I におけるレンジ（100 ）：
        total_loss =0
         のための X、Y でZIP（X_train、Y_train）：
            _、L = sess.run（[オプティマイザ、損失] = {X-feed_dict：X、Y：Y}） ＃計算された誤差値 
            total_loss = L + ＃これある"L"リターンエラーが蓄積 
        total.append（total_loss / N_SAMPLES）は＃説明しない
        プリント（' エポック{0}。喪失1 {} ' .format（I、total_loss / N_SAMPLES））
    writer.Close（）
    b_value、w_value = sess.run（[B、W]）
y_pred = X_train w_value * + b_valueの
 印刷（' 完了' ）
plt.plot（X_train、Y_train、' BO '、ラベル= ' 実データ' ）
plt.plot（X_train、Y_pred、' R '、ラベル= ' 予測データ' ）
plt.legend（）
plt.show（）
PLT。プロット（合計）
plt.show（）
TensorFlow線形回帰モデル計算

おすすめ
