tensorflow - TensorFlow 中的回归分组
问题描述
我对 TensorFlow 很陌生 - 如果这是一个微不足道的问题,请多多包涵。
我正在使用 Python+TensorFlow 进行编码。我有一个具有以下结构的数据框 -
是 | X_1 | X_2 | ... | X_p | 组别
其中 Y 是连续响应,X_1 到 X_p 是特征,Grp 是表示组的分类值。我想为每个 Grp 在 (X_1,...,X_p) 上拟合 Y 的单独线性回归并保存权重/系数。我不想使用现成的 tf.estimator.LinearRegressor。相反,我想走损失函数-优化器-session.run() 路线。
互联网上的相关教程页面谈论线性回归,但不是每组。我将不胜感激任何建议。我正在考虑这样做 -
对于 Grps 中的每个 g: 1. 通过将组 g 的数据作为占位符传递来调用优化器。2. 获取估计的权重(对于 g 组)并将它们保存在数据框中:Grp | 权重
另一种听起来合理的方法是为每个组创建单独的图表,并使用各种“会话”将它们全部组合在一起。
这些在TF中合理可行吗?哪个更容易或有更好的方法?
谢谢你,赛
解决方案
推荐阅读
- html - 如何强制超过一行的图像图标和跨度文本使第一行与图像图标对齐?
- javascript - 菜单出现和消失,过渡效果
- linux - 文件系统磁盘使用脚本
- python - 如何在此代码中实现“广度优先搜索”?
- c# - 我如何正确地为我的边框设置动画以向右移动
- c++ - 如何将二维数组传递给函数(C++)?
- c# - 验证坐标是否在多边形内
- regex - Clang-tidy 标头过滤器正则表达式:Makefile -> .clang-tidy
- javascript - HTML 按钮的“onclick”属性在被点击之前调用函数
- ruby-on-rails - 如何在 Rails 的复选框中处理多个选定值