采用最小二乘的求逆方法在大部分情况下是低效率的。特别地,当局镇非常大时效率更低。另外一种实现方法是矩阵分解,此方法使用tensorflow内建的柯列斯基矩阵分解法.Cholesky矩阵分解法把一个矩阵分解为上三角矩阵和下三角矩阵,L和L’。求解Ax=b,改写成LL '=b。首先求解=b,然后求解L 'x=y得到系数矩阵。
<强> 1。导入编程库,初始化计算图,生成数据集。接着获取矩阵A和b。
在在在进口matplotlib。pyplot作为plt
在在在进口numpy np
在在在进口tensorflow特遣部队
在在在从tensorflow.python.framework进口操作
在在在ops.reset_default_graph ()
在在在税=tf.Session ()
在在在x_vals=np.linspace (0, 10100)
在在在y_vals=x_vals + np.random.normal (0, 1100)
在在在x_vals_column=np.transpose (np.matrix (x_vals))
在祝辞祝辞>
在在在tA_A=tf.matmul (tf.transpose (A_tensor) A_tensor)
在在在L=tf.cholesky (tA_A)
在在在tA_b=tf.matmul (tf.transpose (A_tensor), b)
在在在tA_b sol1=tf.matrix_solve(左)
在在在sol2=tf.matrix_solve (tf.transpose (L), sol1)
之前
<强> 3。抽取系数
在在在solution_eval=sess.run (sol2)
在在在solution_eval
阵列([[1.01379067],
[0.02290901]])
在在在斜率=solution_eval [0] [0]
在在在y_intercept=solution_eval [1] [0]
在在在print(斜率:' + str(斜率))
坡:1.0137906744047482
在在在打印(' y_intercept: ' + str (y_intercept))
y_intercept: 0.022909011828880693
在在在best_fit=[]
在在在因为我在x_vals:
…我+ y_intercept best_fit.append斜率(*)
…
在在在plt.plot (x_vals y_vals、“o”标签=笆荨?
[& lt; matplotlib.lines。在0 x000001e0a58dd9b0> Line2D对象;】
在在在plt。情节(x_vals best_fit, r -,标签=最适合线,线宽=3)
[& lt; matplotlib.lines。在0 x000001e0a2dfaf98> Line2D对象;】
在在在plt。传奇(loc=白笊稀?
& lt; matplotlib.legend。传说在0 x000001e0a58f03c8>对象;
在在在plt.show ()
之前
以上这篇使用tensorflow实现矩阵分解方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
