机器学习：【4】多层感知机实践

#本代码基于tensorflow2.0
#输入数据为三列 输出为1列
import tesorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

#1 导入数据
data = pd.read_csv('dataset.csv')
data.head() #可以看前5行的数据，便于建模

x = data.iloc[:, 1:-1]
y = data.iloc[:,-1]

#2 建立模型,选择激活函数为relu函数
model = tf.keras.Sequential([tf.keras.layers.Dense(10,input_shape=(3,),                     activation='relu'),
                             tf.keras.layers.Dense(1)] #隐含层的输出不确定，因此此输入不填
)

model.summary()

#3 模型编译
model.compile(optimizer='adam',
              loss = 'mse' #输出为数值，所以可以用mse
)

#4 模型训练
model.fit(x, y, epochs=100)

#5 模型预测
model.predict(test) #注意输入也需要为和x结构相同的三列，输出为一列