Tensorflow2.0基础-笔记- 逻辑回归

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

data=pd.read_csv('D:\JupyterFile\DataSet\credit-a.csv',header=None)  #输入数据集
data.head()                                                          #输出数据集前5行数据
data.iloc[:,-1].value_counts()                    #提取最后一行的所有数据，并计算每个类别的个数

x=data.iloc[:,:-1]                                #将特征赋给x，将标签赋给y
y=data.iloc[:,-1].replace(-1,0) 
                                #需要将标签变成{0，1}，所以将-1转成0，因为sigmoid取值为（0，1）

model=tf.keras.Sequential()
model.add(tf.keras.layers.Dense(4,input_shape=(15,),activation='relu'))
model.add(tf.keras.layers.Dense(4,activation='relu'))
model.add(tf.keras.layers.Dense(1,activation='sigmoid'))
model.summary()
                               #2个隐藏层，输入特征为15维。最后一层用sigmoid。
model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['acc'])
                               #损失函数使用二元的交叉熵
history=model.fit(x,y,epochs=100)
history.history.keys()         #查看history中的关键字
plt.plot(history.epoch, history.history.get('loss'))  #绘图，x轴为epochs的次数，y轴为loss值
plt.plot(history.epoch, history.history.get('acc'))   # x轴为epochs的次数，y轴为acc值即精度

运行环境：windows10+miniconda的jupyter notebook

数据集：

链接：里面的credit-a.csv 提取码：5zdn