我有一个客户数据集
- 数据 X:
4096 x N
- 标签 Y:
Nx1
我想为我的数据构建回归模型(1 或 2 层)。我应该使用哪些运算符在 tensorflow 中构建模型?谢谢
更新:其中N
是标签数量。 dataX 有 N 个向量。其中,向量1 4096x1
对应标签1
,向量2 4096x1
对应标签2
,...,矢量N 4096x1
对应于标签N
。因此数据 X 可能是 4096xN
,标签 Y 是 Nx1
最佳答案
如果您想创建一个简单的线性回归
,您可以创建权重和偏差变量
W = tf.get_variable('W', shape=[4096, 1], dtype=tf.float32)
b = tf.get_variable('b', shape=(1,), dtype=tf.float32)
现在,假设您的输入形状为 [N, 4096]
且输出形状为 [N, 1]
,您可以将网络创建为
y = b + tf.matmul(X, W, name='y')
现在,您可以围绕真实的标签
和y
创建您的损失。
您可以在 tensorflow tutorials page 上找到更多信息。完成 MNIST
教程就足以开始使用了。
关于tensorflow - 如何利用客户数据建立回归模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49069962/