import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
data=pd.read_csv('D:\JupyterFile\DataSet\Advertising.csv') #数据集为广告与收益的关系的数据
plt.scatter(data.TV,data.sales) #利用绘图matplotlib.pyplot进行绘图,参数为x,y轴
plt.scatter(data.radio,data.sales)
plt.scatter(data.newspaper,data.sales)
x=data.iloc[:,1:-1] #将特征输入变量x
y=data.iloc[:,-1] #将标签输入变量y
model=tf.keras.Sequential()
model.add(tf.keras.layers.Dense(10,input_shape=(3,),activation='relu'))
model.add(tf.keras.layers.Dense(1))
model.summary()
#输入的类型为维度为3的特征数据,一层隐藏层,里面10个神经元,最后输出层为一个神经元
model.compile(optimizer='adam',loss='mse') #损失函数为mse,即均方误差
model.fit(x,y,epochs=100)
test=data.iloc[:10,1:-1]
model.predict(test) #预测数据集中前10个数据看看标签都是什么
label=data.iloc[:10,-1] #输出原来10个数据的标签是什么
print(label)
数据集:https://pan.baidu.com/s/1Blseqmkm-n8ONOt40lqTCw%C2%A0#list/path=%2F
名字为Advertising.csv