二. 多层感知器

最新推荐文章于 2024-10-17 15:16:26 发布

看的见的时间

最新推荐文章于 2024-10-17 15:16:26 发布

阅读量76

点赞数

文章标签： tensorflow

本文链接：https://blog.csdn.net/weixin_40519901/article/details/120730859

版权

TenSorFlow学习笔记专栏收录该内容

14 篇文章 0 订阅

订阅专栏

该博客展示了如何利用Python的TensorFlow库建立一个简单的神经网络模型，对'Advertising.csv'数据集中的销售数据进行预测。数据集包含TV、radio和newspaper三个特征，用于预测sales。模型包括一个隐藏层（10个神经元，ReLU激活）和一个输出层。经过1000次迭代训练后，模型能够对测试数据进行预测。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt

if __name__ == '__main__':
    data = pd.read_csv('dataset/Advertising.csv')
    print(data.head())#显示前五行数据
    """
    TV  radio  newspaper  sales
    TV,radio,newspaper预测sales
    """
    x = data.iloc[:,1:-1]#取所有行，第一列到倒数第二列的数据
    y = data.iloc[:,-1]#取所有行，最后一列的数据

    modle = tf.keras.Sequential(
        [tf.keras.layers.Dense(10,input_shape=(3,),activation='relu'),#第一层,10个神经元，输入数据3维
         tf.keras.layers.Dense(1)]#输出层
    )
    print(modle.summary())
    modle.compile(
        optimizer='adam',
        loss='mse'
    )
    modle.fit(x,y,epochs=1000)#训练模型

    test = data.iloc[:10,1:-1]
    print(modle.predict(test))#预测结果

数据集

0     TV  radio  newspaper  sales
0           1  230.1   37.8       69.2   22.1
1           2   44.5   39.3       45.1   10.4
2           3   17.2   45.9       69.3    9.3
3           4  151.5   41.3       58.5   18.5
4           5  180.8   10.8       58.4   12.9

modle.summary()

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense (Dense)                (None, 10)                40        
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 11        
=================================================================
Total params: 51
Trainable params: 51
Non-trainable params: 0
_________________________________________________________________