Tensorflow实现线性回归模型

共分三部分：1.线性回归理论部分

                      2.代码实现

                      3.课后拓展

一.线性回归概念及基本原理

概念：是一种统计方法,来确定两种或两种以上变量间相互依赖的定量关系。

一元线性回归：y = w * x + b

任务：根据训练数据预测一元线性回归模型，并用验证数据验证预测的一元线性回归模型是否正确。

（x,y）

1  3

2  5.1

3  6.99

y = w * x + b;

1.假设一个线性回归模型

h(x) = 3 * x + 5;

2.判断这假设线性回归模型对不对

3 * 1 + 5 = 8      3

代价函数：均方差

（（8 - 3）的平方 + （11 - 5.1）的平方 + （14 - 6.99）的平方 ）/ 2*3

3.调整这个模型参数

h(x) = 2.8 * x +4;

h(x) = 2.6 * x + 3;

...

...

h(x) = 2.0 * x + 1;

求最优解算法：

梯度下降：

4.得到符合要求的线性回归模型