基于Python的线性回归性能分析

论文摘要

Python语言因为简洁、易读以及扩展性强的特点,成为当下最流行的机器学习语言,通过扩展库NumPy,可以实现快速数组处理功能。同时,Python通过扩展TensorFlow框架,可以直接实现TensorFlow框架的机器学习,但是存在缺少定量分析的问题。文章通过模拟不同数量的数据,分别用NumPy库和TensorFlow框架来实现线性回归,通过比较相同的迭代次数的计算时间,相同的迭代精度的迭代次数的分析,给出了定量数据分析,为NumPy库和TensorFlow框架实践应用提供一定的参考依据。

论文目录

• 1 项目研究背景
• 2 线性回归
•   2.1 线性回归思想
•   2.2 线性回归计算流程
• 3 NumPy和TensorFlow实现线性回归
•   3.1 NumPy实现线性回归
•   3.2 TensorFlow实现线性回归
• 4 线性回归性能比较
•   4.1 实验的软硬件配置
•   4.2 线性回归数据生成
•   4.3 效率的比较
•     4.3.1 相同的迭代次数需要的计算时间
•     4.3.2 相同的回归进度需要的迭代的次数
• 5 总结

文章来源

类型: 期刊论文

作者: 曾晨,沈宫新

关键词: 线性回归

来源: 大众科技 2019年11期

年度: 2019

分类: 基础科学,信息科技

专业: 计算机软件及计算机应用

单位: 南京科技职业学院信息工程学院

基金: 2018江苏省大学生创新创业训练计划项目

分类号: TP312.1

页码: 5-6+12

总页数: 3

文件大小: 2358K

下载量: 323