Hướng dẫn tự học Tensorflow cơ bản - Phần 2 - Linear Regression
Bài đăng này đã không được cập nhật trong 6 năm
Tiếp tục với series về Tensorflow của Toàn. Chúng ta sẽ đến với một bài hướng dẫn về giải thuật Linear Regression thực hiện trên framework Tensorflow
Linear Regression là một thuật toán cơ bản nhất mà ai khi mới bắt đầu bước chân vào lĩnh vực Machine Learning cũng đều đã từng học qua. Tuy là một thuật toán đơn giản nhưng nó đã thể hiện được rất nhiều kĩ thuật cần phải xử lý trong một bài toán Machine Learning như:
- Xử lý dữ liệu
- Cài đặt hàm mất mát
- Tối ưu thuật toán
- Đánh giá thuật toán.
Hi vọng những chia sẻ trong video này sẽ giúp các bạn có một cái nhìn tổng quan về các vấn đề đó.
All rights reserved
Bình luận
đoạn cuối hơi ảo a nhểy, mình có cái loss function cố định với cái giá trị weight cố định training ra rồi (theo clip là 2.98.. với 3.98...), em tính đi tính lại cx ko ra được kết quả 17,66 cả 48,5. e tính tay toàn ra 17,98 vs 48,9... thôi ạ, vậy là thằng session run kia nó nhân với giá trị nào của weight nhỉ a
cái này e chưa rõ lắm :-?
Bạn cho mình hỏi chút, trong video phần cuối bạn có chạy hàm tối ưu: sess.run(optimizer, feed_dict={X: X_train, Y: y_train}), mình chưa hiểu chạy cái này có ý nghĩa gì?