神经网络多元线性回归

#jupyter notebook

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

# 数据

链接：https://pan.baidu.com/s/1OUe0ww75wcKF79xJ_uvc6A  提取码: vdri

#读取数据
data=pd.read_csv('Advertisement.csv')
x=data.iloc[:,:-1]
y=data.iloc[:,-1]
# 建立模型
model=tf.compat.v2.keras.Sequential()
# 10个神经元进行线性拟合
model.add(tf.compat.v2.keras.layers.Dense(10,input_shape=(3,)))
# 输出层
model.add(tf.compat.v2.keras.layers.Dense(1))
# 定义梯度下降算法和损失函数
model.compile(optimizer='adam',loss='mse')
# 训练2500次
history=model.fit(x,y,epochs=2500)

# 绘制损失函数图像

plt.plot(history.epoch,history.history.get('loss'))

# 这里直接取了训练集做测试
test_data=data.iloc[:3,:-1]
model.predict(test_data)

# 预测值

# 原数据

可以看到差值还是较小的。