哪个是我模型中线性回归的正确形状?

时间:2018-03-03 10:21:34

标签: tensorflow deep-learning

我正在设计回归网络,以预测一个人体重从10到100公斤。我的数据集有50个训练数据

['World', '282,911,404', '67,284,637']
['Equatorial Guinea', '146,027,530', '40,493,766']
['Trinidad and Tobago', '136,883,464', '26,790,695']
['Japan', '410', '176']

因此,我的数据集大小为Vector 1: 1024x1 corresponding to 40kg Vector 2: 1024x1 corresponding to 20kg Vector 3: 1024x1 corresponding to 40kg ... Vector 50: 1024x1 corresponding to 30kg ,标签大小为1024x50。如果我设计一个简单的线性回归,例如1x50,那么y=xW+bW的大小将是

b

我是对的吗?

这是我的张量流代码,但它提供了错误的预测

W is 1024x1
b is 1x50  

1 个答案:

答案 0 :(得分:1)

  

W是1024x1   b是1x50
  我是对的吗?

不,W的形状是正确的,但b应该是标量(1x1矩阵)。在您的方法中,每个数据点都有一个可训练的偏差,这是没有意义的。但是,在您的代码中,它已正确设置为大小为1。

处理矩阵乘法有什么问题,你的模型应该是:

pred = tf.matmul(X, W) + b # you will have to transpose your train_X

tf.multiply是逐点乘法,而不是矩阵乘法。