2021-09-25

TensorFlow学习

2021SC@SDUSC

tf.keras实现线性回归

• pandas读取数据集数据
• matplotlib绘制图像
• keras指定输入输出数据维度, 进行模型训练

pandas读取数据

import pandas as pd

data = pd.read_csv(‘C:/Users/NewtonLoop/Desktop/income.csv’)

data

matplotlib显示数据初始图象

keras

建立层级次序模型

model = tf.keras.Sequential()

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

查看模型

model.summary()

• Dense()方法: 将变量初始化并带入数据模型计算

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

• adam: 标准化方法
• mse: 损失函数采用最小均方差进行判定

# 对所有数据训练五千次寻找最小值
history = model.fit(x,y, epochs=5000)

模型训练结束, 随机输入受教育年限检验模型预测情况

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

• 原始数据x类型为一维pd.Series

Out[] array([[63.883247]], dtype=float32)

与事实情况大致吻合