使用TensorFlow2.0的 Keras实现线性回归 训练模型

Keras实现单变量线性回归;使用场景：根据工作小时得出报酬，使用的Anaconda 进行的操作
Anaconda下载地址

计算公式
其中x:代表工作显示数
    f(x) :代表工作报仇
    a和b：通过 *梯度下降算法* 计算出来的值；
    梯度下降算法：是线性回归的核心算法
    
f(x)=xa+b

import tensorflow as tf

print("Tf V{}".format(tf.__version__))

Tf V2.4.1

#[pandas中文网站](https://www.pypandas.cn)
import pandas as pd

#引入图表库
import matplotlib.pyplot as plt
%matplotlib inline

data=pd.read_csv("./work_hours.csv")

data

	word	money
0	1	50
1	2	60
2	3	55
3	4	90
4	5	80
5	6	100
6	7	110
7	8	100
8	9	100
9	10	120

#生成线性图表
plt.scatter(data.word,data.money)

<matplotlib.collections.PathCollection at 0x21fb71726a0>

# 图中的 变量 
x=data.word
y=data.money

#初始化 顺序模型
model=tf.keras.Sequential()

#添加层 Dense(维度,)
model.add(tf.keras.layers.Dense(1,input_shape=(1,)))

#显示模型层
model.summary()

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 1)                 2         
=================================================================
Total params: 2
Trainable params: 2
Non-trainable params: 0
_________________________________________________________________

#编译、配置 optimizer:优化方法 名
#loss ：损失值
model.compile(optimizer="adam",
              loss="mse"
)

#训练  epochs:训练次数  (应该是训练次数越多 月稳定)
history=model.fit(x,y,epochs=50000)

# x:表里面的 word(工作小时数) 那一行的值
model.predict(x)

array([[ 53.363663],
       [ 60.72731 ],
       [ 68.09096 ],
       [ 75.454605],
       [ 82.81825 ],
       [ 90.18191 ],
       [ 97.545555],
       [104.9092  ],
       [112.27285 ],
       [119.6365  ]], dtype=float32)

#假设工作4小时
model.predict(pd.Series([4]))

array([[75.454605]], dtype=float32)

#假设工作14小时
model.predict(pd.Series([14]))

array([[149.0911]], dtype=float32)

#假设工作8小时
model.predict(pd.Series([8]))

array([[104.9092]], dtype=float32)

#假设工作40小时
model.predict(pd.Series([40]))

array([[340.54596]], dtype=float32)

#假设工作24小时
model.predict(pd.Series([24]))

array([[222.72758]], dtype=float32)

#假设工作1小时
model.predict(pd.Series([1]))

array([[53.363663]], dtype=float32)

#假设工作3小时
model.predict(pd.Series([3]))

array([[68.09096]], dtype=float32)

使用到的文件格式
一定要使用的csv格式 的 文件，创建csv格式文件可以去百度搜索

文件下载地址