Tensorflow实现酸奶销量预测分析

本文实例为大家分享了Tensorflow酸奶销量预测分析的具体代码，供大家参考，具体内容如下

# coding:utf-8
# 酸奶成本为1元，利润为9元
# 预测少了相应的损失较大，故不要预测少
# 导入相应的模块
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
 
BATCH_SIZE=8
SEED=23455
COST=3
PROFIT=4
 
rdm=np.random.RandomState(SEED)
X=rdm.randn(100,2)
Y_=[[x1+x2+(rdm.rand()/10.0-0.05)] for (x1,x2) in X]
 
# 定义神经网络的输入、参数和输出，定义向前传播过程
x=tf.placeholder(tf.float32,shape=(None,2))
y_=tf.placeholder(tf.float32,shape=(None,1))
w1=tf.Variable(tf.random_normal([2,1],stddev=1,seed=1))
y=tf.matmul(x,w1)
 
# 定义损失函数和反向传播过程
loss=tf.reduce_sum(tf.where(tf.greater(y,y_),(y-y_)*COST,(y_-y)*PROFIT)) #损失函数要根据不同的模型进行变换
train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss)
 
# sess=tf.Session()
# STEPS=20000
# init_op=tf.global_variables_initializer()
# sess.run(init_op)
# for i in range(STEPS):
#  start=(i*BATCH_SIZE)%32
#  end=start+BATCH_SIZE
#  sess.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]})
#  if i%500==0:
#
#   print("After %d steps,w1 is %f",(i,sess.run(w1)))
 
sess=tf.Session()
init_op=tf.global_variables_initializer()
sess.run(init_op)
STEPS=20000
for i in range(STEPS):
 start=(i*BATCH_SIZE)%100
 end=start+BATCH_SIZE
 sess.run(train_step,feed_dict={x:X[start:end],y_:Y_[start:end]})
 if i%500==0:
  print("After %d steps"%(i))
  # print(sess.run(loss_mse))
  # print("Loss is:%f",sess.run(loss_mse,feed_dict={y_:Y_,y:Y_}))
  print("w1 is:",sess.run(w1))
 print("Final is :",sess.run(w1))
 
xx,yy=np.mgrid[-3:3:.01,-3:3:.01]
grid=np.c_[xx.ravel(),yy.ravel()]
probs=sess.run(y,feed_dict={x:grid})
probs=probs.reshape(xx.shape)
 
plt.scatter(X[:,0],X[:,1],c=np.squeeze(Y_))
plt.contour(xx,yy,probs,[.9])
plt.show()

通过改变COST和PROFIT的值近而可以得出，当COST=1，PROFIT=9时，基于损失函数，模型的w1=1.02,w2=1.03说明模型会往多了预测；当COST=9,PROFIT=1时模型的w1=0.96,w2=0.97说明模型在往少了预测。

本文Tensorflow实现酸奶销量预测分析到此结束。太较真的人，常被感情所伤；太善良的人，常被他人所骗；太执着的人，常被现实所惑……于是，我们时常感觉疲惫，这不是身体的劳累，而是在精神的裂缝中迷漫的心灵苍老，让我们情无寄所，心无归依。世界就是这个样子，我们无须螳臂挡车，看开些，看淡些，情在心中，心在世外，一切就会简单得多。小编再次感谢大家对我们的支持！