keras入门教程 2.线性模型的优化

前言

上一节，我们讲解了，keras 的实现过程，本节在原来的基础上添加相应层，增加优化器，以达到优化模型的目的。

正文

仍以上一节的数据集作为分析，以下部分均与上一节一致

### 加载包
import numpy as np
import pandas as pd
import tensorflow as tf
import matplotlib.pyplot as plt
from sklearn.metrics import  mean_squared_error
%matplotlib inline
### 数据导入

data=pd.DataFrame(columns=['Education','Income'],data=[[10.00000,26.65884],
[10.40134,27.30644],
[10.84281,22.13241],
[11.24415,21.16984],
[11.64548,15.19263],
[12.08696,26.39895],
[12.48829,17.43531],
[12.88963,25.50789],
[13.29097,36.88459],
[13.73244,39.66611],
[14.13378,34.39628],
[14.53512,41.49799],
[14.97659,44.98157],
[15.37793,47.03960],
[15.77926,48.25258],
[16.22074,57.03425],
[16.62207,51.49092],
[17.02341,61.33662],
[17.46488,57.58199],
[17.86622,68.55371],
[18.26756,64.31093],
[18.70903,68.95901],
[19.11037,74.61464],
[19.51171,71.86720],
[19.91304,76.09814],
[20.35452,75.77522],
[20.75585,72.48606],
[21.15719,77.35502],
[21.59866,72.11879],
[22.00000,80.26057]])

X=data.Education.values.reshape(-1,1)
y=data.Income

keras 建模

加载包

from keras.models import Sequential
from keras.layers import Densef
from tensorflow.keras.optimizers import RMSprop

这里需要特别说的是from tensorflow.keras.optimizers import RMSprop 在很多博客或文章是from keras.optimizers import RMSprop 运行报错，是因为我们这里是采用 tensorflow 作为后端，而非单独安装 keras 引起的，特此说明。

为了方便说明，以下代码将上节的模型名称修改为model

model = Sequential()
model.add(Dense(64