一、TensorFlow2.0——简单线性回归

 以下代码均在jupyter notebook内实现

（1）引包

import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
%matplotlib inline # 魔法函数

 （2）使用pandas库导入数据

data = pd.read_csv('F://JupyterWorkSpace//data//Test.csv')

 （3）查看导入的数据（简单的测试数据）注：导入魔法函数后，使用data就可以直接输出，省去了print的操作

data

 （4）使用matplotlib的散点图查看数据（接近线性相关）

plt.scatter(data.edu, data.money)

（5）构造出 f(x) = ax + b 即求出参数a, b 

x = data.edu
y = data.money

（6）初始化顺序模型（注：顺序模型Sequential 有输入，有输出，按照顺序搭建）

model = tf.keras.Sequential() 

（7）建立模型（Dense建立了 f(x) = ax + b 的模型，Dense（输出数据的维度，输入数据的维度）input_shape为元组，有逗号

model.add(tf.keras.layers.Dense(1, input_shape=(1, )))

（8）编译模型，【optimizer=‘adam’，优化器：梯度下降法优化】 【loss=‘mse’, 损失函数：使用均方差判断误差】

model.compile(optimizer='adam', loss='mse')

（9）训练模型(loss最后损失值为0.0684)

log = model.fit(x, y, epochs=1000)

（10）查看预测值现有的x进行预测（即 money）, 已经很接近已知的money值了

model.predict(x)

（11）预测一个未知的edu对应的money值，edu为20时，预测money值为23.9033

model.predict(pd.Series([20])