1.tf.keras.线性回归

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