Doğrusal regresyon

Python ile TensorFlow’a Giriş

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Doğrusal regresyon nedir?

Bu görsel, metrekare cinsinden ev boyutunun doğal logaritması ile dolar cinsinden ev fiyatının doğal logaritmasının saçılım grafiğini gösterir.

Doğrusal regresyon nedir?

Bu görsel, metrekare cinsinden ev boyutunun doğal logaritması ile dolar cinsinden ev fiyatının doğal logaritmasının saçılım grafiğine oturtulmuş bir regresyon doğrusunu gösterir.

Doğrusal regresyon modeli

Doğrusal regresyon modeli doğrusal ilişki varsayar:
- $price = intercept + size*slope + error$
Bu tek değişkenli bir regresyon örneğidir.
- Yalnızca bir özellik vardır: size.
Çoklu regresyon modellerinde birden fazla özellik bulunur.
- Örn. size ve location

TensorFlow ile doğrusal regresyon

# Define the targets and features
price = np.array(housing['price'], np.float32)
size = np.array(housing['sqft_living'], np.float32)

# Define the intercept and slope
intercept = tf.Variable(0.1, np.float32)
slope = tf.Variable(0.1, np.float32)

# Define a linear regression model
def linear_regression(intercept, slope, features = size):
    return intercept + features*slope

# Compute the predicted values and loss
def loss_function(intercept, slope, targets = price, features = size):
    predictions = linear_regression(intercept, slope)
    return tf.keras.losses.mse(targets, predictions)

TensorFlow ile doğrusal regresyon

# Define an optimization operation
opt = tf.keras.optimizers.Adam()

# Minimize the loss function and print the loss
for j in range(1000):
    opt.minimize(lambda: loss_function(intercept, slope),\
    var_list=[intercept, slope])
    print(loss_function(intercept, slope))

tf.Tensor(10.909373, shape=(), dtype=float32)
...
tf.Tensor(0.15479447, shape=(), dtype=float32)

# Print the trained parameters
print(intercept.numpy(), slope.numpy())

Hadi pratik yapalım!

Python ile TensorFlow’a Giriş