[tensorflow 11] 선형회귀02

tensorflow 10번째 게시물에서 수식과 최소제곱법을 이용하여 회귀선을 도출했었습니다.

 

하지만 텐서플로우에서는 이러한 어려운 수학 수식없이 회귀선을 구할 수 있습니다.

 

[tensorflow 10] 선형회귀01 에서 사용했던 자료들을 이용해보겠습니다.

 

먼저, tf.Variable를 통해 랜덤 값을 뽑아내고 tf.reduce_mean을 통해 잔차의 제곱의 평균을 뽑아내고 tf.optimizers를 통해 잔차의 제곱의 평균을 최소화하려고 합니다.

 

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import random

school_age_population = [16.4, 14.7, 17.2, 16.6, 17.1, 20.3, 17.2, 15.6, 17.4, 18.7, 16.9, 17.1, 15.8, 19.3, 16.6, 15.1, 17.9]
elderly_population = [11.4, 13.2, 11.1, 17.6, 16.3, 9.2, 15.2, 18.4, 18.5, 11.6, 13.7, 9.7, 21.5, 12.0, 14.5, 15.8, 14.0]

# a, b 랜덤값 초기화
a = tf.Variable(random.random())
b = tf.Variable(random.random())
#optimizer 설정
optimizer = tf.keras.optimizers.Adam(lr=0.1)

# 잔차의 제곱평균 구하기
def compute_loss():
    y = a * school_age_population + b
    loss = tf.reduce_mean((elderly_population - y) ** 2)
    return loss

for i in range(2000):#2000번 반복
    # loss 최소화
    optimizer.minimize(compute_loss, var_list=[a,b])
    
    if i % 200 == 1:
        print(i, 'a:', a.numpy(), 'b:', b.numpy(), 'loss:', compute_loss().numpy())


#회귀선
line_x = np.arange(min(school_age_population), max(school_age_population), 0.1)
line_y = a * line_x + b

# 그래프
plt.plot(line_x, line_y, 'r-')
plt.plot(school_age_population, elderly_population, 'ko')
plt.xlabel('school_age_population(%)')
plt.ylabel('elderly_population(%)')
plt.show()

그래프가 잘 나온듯 싶습니다.

 

compute_loss라는 함수에서 loss를 구하고, SGD대신 Adam 최적화 함수를 사용하였습니다.

 

2000번의 학습을 통해 a, b는 적절한 값이 되었습니다.