TensorFlow2学习笔记：8、tf.keras实现线性回归，Income数据集：受教育年限与收入数据集

1、Income数据集

Income数据集是机器学习、深度学习实验线性回归的典型学习数据：下载Income数据集

它主要有两类数据，受教育年限和对应的收入情况

通过散点图可以观察到，明显呈线性关系

数据预览：

散点图：

2、创建模型

2.1导入数据、定义特征和标签

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv("./Income.csv")
 
# 定义输入特征x  和对应标签y
x=data.Education
y=data.Income

2.2创建模型

#顺序模型：只有一个输入和一个输出。tf.keras.Sequential()就是一个顺序模型
model=tf.keras.Sequential()   #初始化模型
model.add(tf.keras.layers.Dense(1,input_shape=(1,)))  #添加层
model.compile(optimizer='adam',loss='mse') # 配置训练项  mse均方差 梯度优化Adam

通过：model.summary()函数查看一下模型

3、训练模型

model.fit(x,y,epochs=500)
#x y 喂入上面定义的数据特征和标签 epochs是训练迭代次数

训练结果：

4、完整代码

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv("./Income.csv")
x=data.Education
y=data.Income
model=tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1,input_shape=(1,)))
model.summary()
model.compile(optimizer='adam',loss='mse')
h=model.fit(x,y,epochs=500)