实现简单线性回归的具体做法
-
导入需要的所有软件包：
-
在神经网络中，所有的输入都线性增加。为了使训练有效，输入应该被归一化，所以这里定义一个函数来归一化输入数据：
-
现在使用 TensorFlow contrib 数据集加载波士顿房价数据集，并将其分解为 X_train 和 Y_train。可以对数据进行归一化处理：
-
为训练数据声明 TensorFlow 占位符：
-
创建 TensorFlow 的权重和偏置变量且初始值为零：
-
定义用于预测的线性回归模型：
-
定义损失函数：
-
选择梯度下降优化器：
-
声明初始化操作符：
-
现在，开始计算图，训练 100 次：
-
查看结果：
解读分析
从下图中可以看到，简单线性回归器试图拟合给定数据集的线性线：
在下图中可以看到，随着模型不断学习数据，损失函数不断下降：
下图是简单线性回归器的 TensorBoard 图：
该图有两个名称范围节点 Variable 和 Variable_1，它们分别是表示偏置和权重的高级节点。以梯度命名的节点也是一个高级节点，展开节点，可以看到它需要 7 个输入并使用 GradientDescentOptimizer 计算梯度，对权重和偏置进行更新：
