tensorflow学习:tf.keras.线性回归
import tensorflow as tf
print('Tensorflow Version: {}'.format(tf.__version__))
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
data = pd.read_csv('./dataset/Income1.csv')
plt.scatter(data.Education,datata.Income)#画散点图
x = data.Education
y = adata.Income
model = tf.keras.Sequential() #建立一个模型,但是这个模型里边啥都没,Sequential是顺序模型
#建立好一个模型,输入维度input_shape是1,后面逗号是代表以元组形式表示,Dense第一个参数表示输出维度
model.add(tf.keras.layers.Dense(1,input_shape=(1,)))
model.summary()#看这个model的模型,结果是这个Dense层建立了一个ax+b的模型
#对这个model进行编译model.compile(optimizer='adma',
loss='mse')#optimizer代表优化方法,adam表示使用默认算法和默认学习速率0.001,loss表示损失函数,mse=mean square error均方差
#训练模型
history = model.fit(x,y,epochs=5000)#epochs表示训练次数,fit命令表示训练模型
model.predict(x)#预测现有的x
model.predict(pd.Series([20]))#因为上面的x也是Series的形式,所以这里也用Series的形式