Я запускаю следующий простой код со следующей гипотезой:
Значение A и значение B похожи друг на друга, а значение B равно значению A, объединяя несколько переменных.
поэтому моя гипотеза подобна этой
A = W1 (вес) * B + W2 (вес) C (anotehr varables) +...
и вот мой код try
hypothesis = tf.sigmoid(tf.matmul(X1, W1)+tf.matmul(X2, W2)+tf.matmul(X3, W3)+tf.matmul(X4, W4) + tf.matmul(X5, W5) + b1)
cost = -tf.reduce_mean(Y * tf.log(hypothesis) + (1 - Y) * tf.log(1 - hypothesis))
train = tf.train.GradientDescentOptimizer(learning_rate=0.000000000000000001).minimize(cost)
predicted = tf.cast(hypothesis > 0.5, dtype=tf.float32)
accuracy = tf.reduce_mean(tf.cast(tf.equal(predicted, Y), dtype=tf.float32))
with tf.Session() as sess:
# Initialize TensorFlow variables
sess.run(tf.global_variables_initializer())
for step in range(5000):
sess.run(y, feed_dict={X1:ct, X2: temperature, X3:humidity, X4: windspeed, X5:tideheight, Y:sst})
Однако, когда я подтвердил значение этого кода, я придумал значение, которое не соответствовало вообще.
Это не кажется линейным, когда я смотрю на набор данных.
Я был бы признателен, если бы вы могли привести пример для этой ситуации.
мой набор данных:
A B C D E F
25.6 27.29999 24.4752741667 71.5801495 6.468 97.1
25.6 27.5 24.3449186667 71.1314193333 5.39 288.3
25.4 27.60001 24.4019961667 71.8209758333 6.076 103.7
25.5 27.5 24.3473485 71.3570816667 6.762 95.3
25.5 27.5 24.3420308333 71.9577738333 5.978 103.7
25.6 27.29999 24.464413 71.993804 6.37 105.8
25.6 27.29999 24.3999401667 71.5558695 6.664 100.2
...
Я не уверен, что Neural Network является правильным выбором для этого типа проблем. Я бы предложил решить его с линейной регрессией. Я предпочел бы начать знакомство с библиотекой scikit-learn и ее алгоритмами для контролируемого обучения. http://scikit-learn.org/stable/supervised_learning.html#supervised-learning и pandas https://pandas.pydata.org/ для простой предварительной обработки данных. Познакомившись с библиотеками, попробуйте выполнить следующую стратегию:
Документация по изучению Scikit должна содержать всю необходимую информацию. Удачи