我想在BigQuery ML中使用现有的 Scikit Learn LogisticRegression 模型。但是，BQ ML 目前有 50 个唯一标签的硬性限制，我的模型需要处理更多。
BQ 接受TensorFlow 模型，似乎没有这个限制。
如何将现有的 Scikit 逻辑回归模型转换为 TensorFlow 模型？
如何将 Scikit Learn 逻辑回归模型转换为 TensorFlow
数据挖掘
scikit-学习
张量流
2022-02-18 15:59:44
1个回答
当然，这是 TF 2.0 中的骨架。
import tensorflow as tf
weights = tf.Variable(tf.random.normal(shape=(784, 10), dtype=tf.float64))
biases = tf.Variable(tf.random.normal(shape=(10,), dtype=tf.float64))
def logistic_regression(x):
lr = tf.add(tf.matmul(x, weights), biases)
return lr
def cross_entropy(y_true, y_pred):
y_true = tf.one_hot(y_true, 10)
loss = tf.nn.softmax_cross_entropy_with_logits(labels=y_true, logits=y_pred)
return tf.reduce_mean(loss)
def grad(x, y):
with tf.GradientTape() as tape:
y_pred = logistic_regression(x)
loss_val = cross_entropy(y, y_pred)
return tape.gradient(loss_val, [weights, biases])