TensorFlow学习
2021SC@SDUSC
tf.keras实现线性回归
- pandas读取数据集数据
- matplotlib绘制图像
- keras指定输入输出数据维度, 进行模型训练
pandas读取数据
import pandas as pd
data = pd.read_csv(‘C:/Users/NewtonLoop/Desktop/income.csv’)
data
matplotlib显示数据初始图象
keras
建立层级次序模型
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1, input_shape=(1,)))
查看模型
model.summary()
- Dense()方法: 将变量初始化并带入数据模型计算
model.compile(optimizer='adam',
loss='mse'
)
- adam: 标准化方法
- mse: 损失函数采用最小均方差进行判定
# 对所有数据训练五千次寻找最小值
history = model.fit(x,y, epochs=5000)
模型训练结束, 随机输入受教育年限检验模型预测情况
model.predict(pd.Series([20]))
- 原始数据x类型为一维pd.Series
Out[] array([[63.883247]], dtype=float32)
与事实情况大致吻合