Python 如何在Tensorflow上用我自己的数据使用线性回归模型

我有这样的数据集

[2016-10-24,23.00,76.00,1015.40,0.00,0.00,100.00,26.00,100.00,100.00,0.00,6.88,186.01,12.26,220.24,27.60,262.50,14.04,2.1] , [15.47]
[2016-10-24,22.00,73.00,1014.70,0.00,0.00,10.20,34.00,0.00,2.00,0.00,6.49,176.82,11.97,201.16,24.27,249.15,7.92,0.669999 ] , [16.14]
....
....

这个的大小是[n][19]，[n][1]。我想使用Tensorflow线性回归在Python上进行预测。我的意思是我想用这19个变量来预测1个变量。我有大数据集。我想这就足够训练了

然而，我是机器学习和Tensorflow的初学者。你能给我一些文件或线索吗？

---

提前感谢。

这是一个简单的线性回归模型：

def model(X, w):
    return tf.mul(X, w) # Just X*w so this model line is pretty simple

w = tf.Variable(0.0, name="weights") 
y_model = model(X, w)

cost = tf.square(Y - y_model) # use square error for cost function
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost) 

然后您需要在TensorFlow会话下运行train_op

---

对于数据集，只需更改w和x。更多示例请参见。

如果您是机器学习的初学者，那么Tensorflow可能对您在这里想要做的事情过于苛刻。我建议从sklearn图书馆开始。他们支持线性回归。事实上，我知道我需要改变X变量，因为我有一个以上的输入。但是，我仍然不知道如何将X转换为[16]这样的数组。还有，为什么我需要改变。？。