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是标签数量。 dataX有N个向量。其中，对应于标签4096x1的vector1 1，对应于标签4096x1的vector2 2，...，对应于标签{{1的vectorN 4096x1 }}。因此，数据X可以是N，标签Y是4096xN

Answer 1

如果您想创建一个简单的Linear Regression，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，假设您的输入为[N, 4096]形状并输出形状[N, 1]，则可以将网络创建为

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

现在，您可以围绕真实label和y创建损失 您可以在tensorflow tutorials page找到更多信息。通过MNIST教程，这将足以开始。