[1]曾 晨,沈宫新.基于 Python 的线性回归性能分析[J].大众科技,2019,21(11):5-6.
　Performance Analysis of Linear Regression Based on Python[J].Popular Science & Technology,2019,21(11):5-6.
点击复制

基于 Python 的线性回归性能分析()
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
21
期数:
2019年11
页码:
5-6
栏目:
信息技术与通信
出版日期:
2019-11-20

文章信息/Info

Title:
Performance Analysis of Linear Regression Based on Python
作者:
曾 晨;  沈宫新
（南京科技职业学院信息工程学院，江苏 南京 210048）
关键词:
Python; NumPy; TensorFlow; 线性回归
Keywords:
Python;  NumPy;  TensorFlow;  linear regression
文献标志码:
A
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。
Abstract:
Python language is the most popular machine learning language because of its simplicity, reading easily and strong extensibility. By expanding library NumPy, we can realize fast array processing. At the same time, Python can directly implement machine learning of the TensorFlow framework by extending the TensorFlow framework, but there is a lack of quantitative analysis.By simulating different amounts of data, this paper respectively use NumPy library and TensorFlow Frameworks to realize linear regression. By comparing the calculation time of the same number of iterations and the analysis of the same number of iterations with the same iteration precision,, quantitative data analysis is given, which provides certain reference for the practical application of NumPy library and TensorFlow framework.

参考文献/References:

[1] （美）Chun W J. Python 核心编程[M]. 宋吉广，译. 北京: 人民邮电出版社，2008. [2] （印尼）Idris I. Python 数据分析基础教程[M]. 张驭宇， 译. 北京: 人民邮电出社，2014. [3] TensorFlow 官 方 文 档 中 文 版 [EB/OL]. http://wiki. jikexueyuan.com/project/tensorflow-zh/，2018-02-01. [4] Chudoba R, Sadílek V Ripl R, et sl. Using Python for scientific computing: Efficient and flexible evaluation of the statistical characteristics of functions with multivariate random inputs[J]. Computer Physics Communications, 2013, 184(2): 414-427. [5] （美）Harrington P. 机器学习实战[M]. 李锐等，译. 北京: 人民邮电出版社，2013

相似文献/References:

[1]吴　静　王 锐.基于Python的文件差异化检测工具的实现与应用[J].大众科技,2023,25(10):18.
　Implementation and Application of File Differentiation Detection Tool Based on Python[J].Popular Science & Technology,2023,25(11):18.
[2]朱　宽　张小萍.基于SVM的XSS攻击检测[J].大众科技,2021,23(10):1.
[3]刘馨茹 易博文 李玲香 江 华.基于Python的车牌识别系统实现[J].大众科技,2022,24(11):16.
　Implementation of License Plate Recognition System Base on Python[J].Popular Science & Technology,2022,24(11):16.
[4]刘杰文　伍许芹　李玲香.基于遗传算法的优化函数Python实现[J].大众科技,2023,25(12):29.
　Python Implementation of Optimization Function Based on Genetic Algorithm[J].Popular Science & Technology,2023,25(11):29.

备注/Memo

备注/Memo:
【收稿日期】2019-09-06 【基金项目】2018 江苏省大学生创新创业训练计划项目。【作者简介】曾晨（1999－），男，江苏盐城人，南京科技职业学院信息工程学院学生，研究方向为软件开发。
更新日期/Last Update: 2020-02-15