时间戳

首页 > 解决方案 > 线性回归和估计器返回错误的损失。张量流

tensorflow - 线性回归和估计器返回错误的损失。张量流

问题描述

我使用 Keras 实现了这个模型，结果符合预期。现在我正在尝试使用 Tensorflow，但我就是做错了。正如你在下面看到的那样，我的损失是不对的。

我在这里做错了什么？

ps：我更喜欢使用估计器而不是乘法张量等。

X = numpy.array([ 1.1, 1.3, 1.5, 2.0, 2.2, 2.9, 3.0, 3.2, 3.2, 3.7, 3.9, 4.0, 4.0, 4.1, 4.5, 4.9, 5.1, 5.3, 5.9, 6.0, 6.8, 7.1, 7.9, 8.2, 8.7, 9.0, 9.5, 9.6, 10.3, 10.5])

y = numpy.array([ 39.343, 46.205, 37.731, 43.525, 39.891, 56.642, 60.15, 54.445, 64.445, 57.189, 63.218, 55.794, 56.957, 57.081, 61.111, 67.938, 66.029, 83.088, 81.363, 93.94, 91.738, 98.273, 101.302, 113.812, 109.431, 105.582, 116.969, 112.635, 122.391, 121.872])


#reduce salaries to unit of thousands
#Split 70% training, 30% test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

#Create estimator
feat_cols = [ tf.feature_column.numeric_column('X', shape=[1]) ]
estimator = tf.estimator.LinearRegressor(feature_columns=feat_cols)

#input functions
train_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_train}, y_train, shuffle=False)
test_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_test}, y_test, shuffle=False)

#Train and test
estimator.train(input_fn=train_input_func)
train_metrics = estimator.evaluate(input_fn=train_input_func)
test_metrics = estimator.evaluate(input_fn=test_input_func)

#Predict salary for arbitrary years of experience
X_single_data = np.array([4.6])
pred_input_func = tf.estimator.inputs.numpy_input_fn({'X': X_single_data}, shuffle=False)
single_pred = estimator.predict(pred_input_func)

print('--Train metrics--')
print(train_metrics)
print(' ')
print('--Test metrics--')
print(test_metrics)

--训练指标--

{'average_loss': 5795.477, 'label/mean': 72.32367, 'loss': 121705.016, 'prediction/mean': 1.2057142, 'global_step': 1}

--测试指标--

{'average_loss': 7422.221, 'label/mean': 84.588104, 'loss': 66799.99, 'prediction/mean': 1.3955557, 'global_step': 1}

仅供参考：这就是我用 keras 得到的： 链接到图片

标签： tensorflowmachine-learninglinear-regression

解决方案

您缺少要与批量大小一起训练的时期数。将这些参数添加到输入函数的定义中，例如，在用于线性回归的训练输入的情况下，它可能看起来像这样

train_input_func = \
    tf.estimator.inputs.numpy_input_fn({'X': X_train},\
                                       y_train,\
                                       num_epochs=500,\
                                       batch_size=1,\
                                       shuffle=False)

之后它应该开始训练并且损失函数会下降。

推荐阅读