4、TensorFlow 机器学习实战：从线性回归到二元分类

TensorFlow 机器学习实战：从线性回归到二元分类

1. 线性回归预测

在机器学习中，预测未知数据是一个常见的任务。对于训练好的模型，我们可以使用 predict 函数来对未见过的 x 和 y 值进行预测。以下是具体的代码示例：

print("Predicted z for x=2, y=3 ---> ",
            model.predict([[2,3]]).round(2))

在这个例子中，我们指定 x 等于 2， y 等于 3，并将预测结果保留两位小数。执行上述代码后，输出结果如下：

Predicted z for x=2, y=3 ---> [[36.99]]

为了验证预测结果是否接近预期输出，我们可以使用以下代码计算预期值：

# Checking from equation
# z = 7*x + 6*y + 5
print("Expected output: ", 7*2 + 6*3 + 5)

执行上述代码后，屏幕上会打印出预期值 37。可以看到，模型的预测值 36.99 与预期值非常接近。需要注意的是，由于模型的准确性每次运行时可能会有所不同，因此预测输出也会有所变