Tensorflow2.0基础-笔记- 多层感知器

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