{"id":29677799,"url":"https://github.com/marcinwitnik/simple_linear","last_synced_at":"2026-04-15T14:08:52.260Z","repository":{"id":305900649,"uuid":"1024326991","full_name":"marcinwitnik/simple_linear","owner":"marcinwitnik","description":"Prosty model regresji liniowej zbudowany w TensorFlow/Keras. Uczy się zależności y = 2x - 1 i przewiduje nowe wartości na podstawie danych wejściowych.","archived":false,"fork":false,"pushed_at":"2025-07-22T14:25:59.000Z","size":120,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-07-22T16:23:08.533Z","etag":null,"topics":["ai","beginner-friendly","keras","linear-regression","machine-learning","ml","model","pycharm","python","regression","tensorflow","training","tutorial"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/marcinwitnik.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2025-07-22T14:22:34.000Z","updated_at":"2025-07-22T14:29:32.000Z","dependencies_parsed_at":"2025-07-22T16:24:40.700Z","dependency_job_id":"a1c778ce-ec38-4bca-8179-7603af1bf821","html_url":"https://github.com/marcinwitnik/simple_linear","commit_stats":null,"previous_names":["marcinwitnik/simple_linear"],"tags_count":null,"template":false,"template_full_name":null,"purl":"pkg:github/marcinwitnik/simple_linear","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/marcinwitnik%2Fsimple_linear","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/marcinwitnik%2Fsimple_linear/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/marcinwitnik%2Fsimple_linear/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/marcinwitnik%2Fsimple_linear/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/marcinwitnik","download_url":"https://codeload.github.com/marcinwitnik/simple_linear/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/marcinwitnik%2Fsimple_linear/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31844465,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-15T13:28:40.153Z","status":"ssl_error","status_checked_at":"2026-04-15T13:28:29.396Z","response_time":63,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["ai","beginner-friendly","keras","linear-regression","machine-learning","ml","model","pycharm","python","regression","tensorflow","training","tutorial"],"created_at":"2025-07-23T01:01:08.402Z","updated_at":"2026-04-15T14:08:52.246Z","avatar_url":"https://github.com/marcinwitnik.png","language":"Python","readme":"\r\n\u003ch1 align=\"center\"\u003e\u003cimg src=\"https://img.icons8.com/ios-filled/50/FFFFFF/statistics.png\" height=\"22px\" /\u003e Prosty Model Regresji Liniowej w TensorFlow\u003c/h1\u003e\r\n\r\nTen projekt to edukacyjna implementacja **modelu regresji liniowej** z wykorzystaniem TensorFlow (Keras). Model uczy się zależności pomiędzy wartościami wejściowymi `x` a wyjściowymi `y`, a następnie dokonuje predykcji nowych wartości. Dane wejściowe i wyjściowe odzwierciedlają funkcję liniową:  \r\n\\[\r\ny = 2x - 1\r\n\\]  \r\nModel oparty jest na sieci neuronowej z jedną warstwą gęstą i uczy się przy użyciu optymalizatora **SGD** i funkcji straty **mean squared error**. Wykorzystywane są biblioteki `TensorFlow`, `NumPy`.\r\n\r\n---\r\n\r\n## \u003cimg src=\"https://img.icons8.com/pastel-glyph/64/FFFFFF/code--v2.png\" height=\"22px\" /\u003e Technologie i środowisko\r\n\r\n- **Język:** [![Python](https://img.shields.io/badge/Python-3776AB?style=flat\u0026logo=python\u0026logoColor=white)](https://www.python.org)\r\n- **IDE:** [![PyCharm](https://img.shields.io/badge/PyCharm-009873?style=flat\u0026logo=pycharm\u0026logoColor=white)](https://www.jetbrains.com/pycharm/) \r\n- **Biblioteki:**\r\n  - [![TensorFlow](https://img.shields.io/badge/TensorFlow-FF6F00?style=flat\u0026logo=tensorflow\u0026logoColor=white)](https://www.tensorflow.org/)  \r\n    ➤ Budowa i trening modelu regresji liniowej\r\n  - [![NumPy](https://img.shields.io/badge/NumPy-013243?style=flat\u0026logo=numpy\u0026logoColor=white)](https://numpy.org/)  \r\n    ➤ Tworzenie danych numerycznych i konwersja tablic wejściowych\r\n\r\n---\r\n\r\n\u003cdetails\u003e\r\n  \u003csummary\u003e\u003cimg src=\"https://img.icons8.com/ios-filled/50/FFFFFF/pin.png\" height=\"22px\"/\u003e Funkcje programu (kliknij, aby rozwinąć)\u003c/summary\u003e\r\n\r\n### 1. `x_train`, `y_train`\r\nStatyczne dane wejściowe i wyjściowe uczące model zależności:\r\n- `x_train`: [-1.0, 0.0, 1.0, 2.0, 3.0, 4.0]\r\n- `y_train`: [-3.0, -1.0, 1.0, 3.0, 5.0, 7.0]\r\n\r\n---\r\n\r\n### 2. `model = tf.keras.Sequential([...])`\r\nTworzy model sekwencyjny z jedną warstwą:\r\n- `Dense(units=1)` — odpowiada funkcji liniowej:  \r\n  \\[\r\n  y = wx + b\r\n  \\]\r\n\r\n---\r\n\r\n### 3. `model.compile(...)`\r\nKompilacja modelu:\r\n- Optymalizator: `sgd` (Stochastic Gradient Descent)\r\n- Funkcja straty: `mean_squared_error`\r\n\r\n---\r\n\r\n### 4. `model.fit(...)`\r\nTrenowanie modelu przez 500 epok z użyciem danych:\r\n- `x_train` i `y_train`\r\n- `verbose=0` — brak wypisywania postępu w konsoli\r\n\r\n---\r\n\r\n### 5. `model.predict(...)`\r\nPredykcja wartości `y` dla nowej wartości `x`, np.:\r\n```python\r\nnew_x = np.array([[10.0]])\r\n```\r\nZwracany wynik np.:\r\n```\r\nPredykcja dla x=10.0: y=18.98\r\n```\r\n\r\n---\r\n\r\n### 6. `matplotlib` (opcjonalnie)\r\nTworzenie wykresu:\r\n- Punkty treningowe `x_train`, `y_train`\r\n- Linia regresji przewidywana przez model\r\n\r\n\u003c/details\u003e\r\n\r\n---\r\n\r\n\r\n\u003cdetails\u003e\r\n  \u003csummary\u003e\u003cimg src=\"https://img.icons8.com/ios-filled/50/FFFFFF/source-code.png\" height=\"22px\"/\u003e Kod aplikacji (kliknij, aby rozwinąć)\u003c/summary\u003e\r\n\r\n#### Poniżej znajduje się pełny zrzut ekranu przedstawiający kod źródłowy aplikacji:\r\n\r\n![Kod aplikacji](kod.png)\r\n\r\nZawarty kod prezentuje wszystkie kluczowe elementy:\r\n- importy bibliotek `tensorflow` i `numpy`\r\n- przygotowanie danych wejściowych\r\n- budowę modelu `Sequential`\r\n- kompilację modelu\r\n- trening z danymi\r\n- predykcję nowej wartości `y`\r\n\r\nKod jest krótki, przejrzysty i stanowi świetny punkt wyjścia do dalszej nauki regresji liniowej w TensorFlow.\r\n\r\n\r\n\u003c/details\u003e\r\n\r\n---\r\n\r\n\u003cdetails\u003e\r\n  \u003csummary\u003e\u003cimg src=\"https://img.icons8.com/ios-filled/50/FFFFFF/camera.png\" height=\"22px\"/\u003e Podgląd działania (kliknij, aby rozwinąć)\u003c/summary\u003e\r\n\r\n#### 📌 Przykład działania w terminalu:\r\n```\r\nPredykcja dla x=10.0: y=18.98\r\n```\r\n\r\n#### 📊 Wygenerowany wykres regresji:\r\n\r\n![Podgląd działania](regresja.png)\r\n\r\n\u003c/details\u003e\r\n\r\n","funding_links":[],"categories":[],"sub_categories":[],"project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmarcinwitnik%2Fsimple_linear","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fmarcinwitnik%2Fsimple_linear","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fmarcinwitnik%2Fsimple_linear/lists"}