Tensorflow2.0学习教程Class1.2（实现鸢尾花分类__iris数据集）详细注释

详细学习视频见：
北京大学TF2.0教学视频（B站）

# TF2 实现利用鸢尾花数据集，实现前向传播、反向传播，可视化loss曲线
from sklearn import datasets
from pandas import DataFrame
import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
import numpy as np

'''
准备数据:
    1.数据集读入
    2.数据集乱序
    3.生成训练集和测试集(x_train/y_train,x_test/y_train)
    4.配对(输入特征，标签)，每次读入一小撮(batch)
'''
# 1.数据集读入
# 从sklearn包datasets读入数据集
x_data=datasets.load_iris().data#.data返回iris数据集的所有输出特征
y_data=datasets.load_iris().target#.target返回iris数据集的所有标签
# print(x_data)
# print(y_data)

# # 为表格增加行索引（左侧）和列标签（上方）
# x_data=DataFrame(x_data,columns=['花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度'])
# # 设置列名对齐
# pd.set_option('display.unicode.east_asian_width', True)
# # print(x_data)
#
# # 新加一列，列标签为‘类别’，数据为y_data
# x_data['类别']=y_data
# print(x_data)
#类型维度不确定时，建议用print函数打印出来确认效果

# 2.数据集乱序
# 随机打乱数据（因为原始数据是顺序的，顺序不打乱会影响准确率）
# seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样（为方便教学，以保每位同学结果一致）
# 使用相同的seed，保证随机打乱后输入特征和标签一一对应
np.random.seed(227)# 若不指定227，则每次产生的随机数不一样
np.random.shuffle(x_data)# 随机打乱
np.random.seed(227)
np.random.shuffle(y_data)
tf.random.set_seed(227)# 设置全局随机种子

# 3.生成训练集和测试集(x_train/y_train,x_test/y_train)\
# 训练集和测试集没有交集
x_train=x_data[:-30