如何使用客户数据建立回归模型

Question

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（1或2层）构建回归模型。我应该使用哪些运算符在tensorflow中构建我的模型？谢谢

更新：其中N是标签的数量。 dataX有N个向量。其中，vector1 4096x1对应于标签1，vector2 4096x1对应于标签2，...，vectorN 4096x1对应于标签N。因此，数据X可以是4096xN，标签Y是Nx1

Answer 1

如果你想创建一个简单的Linear Regression，你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，假设你的输入是形状[N, 4096]和形状[N, 1]的输出，你可以创建网络为

y = b + tf.matmul(X, W, name='y')

现在，你可以围绕真正的label和y创造你的损失。 你可以在tensorflow tutorials page找到更多信息。通过MNIST教程，这将足以开始。