線性回歸原理

線性方程 y=kx+b

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告級(jí)別，不顯示警告 import tensorflow as tf import pandas as pd import matplotlib.pyplot as pltdata = pd.read_csv('A.csv') print(data) plt.scatter(data.Education,data.Income) plt.show()

預(yù)測(cè)目標(biāo)與損失函數(shù)

目標(biāo)：預(yù)測(cè)函數(shù)f(x)與真實(shí)值之間的整體誤差最小。
損失函數(shù)：使用均方誤差作為成本函數(shù)，也就是預(yù)測(cè)值和真實(shí)值之間差的平方取均值。

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告級(jí)別，不顯示警告 import tensorflow as tf import pandas as pd import matplotlib.pyplot as pltdata = pd.read_csv('A.csv') # print(data) # plt.scatter(data.Education,data.Income) # plt.show() x = data.Education y = data.Incomemodel = tf.keras.Sequential() model.add(tf.keras.layers.Dense(1,input_shape=(1,))) model.summary()

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告級(jí)別，不顯示警告 import tensorflow as tf import pandas as pd import matplotlib.pyplot as pltdata = pd.read_csv('A.csv') # print(data) # plt.scatter(data.Education,data.Income) # plt.show() x = data.Education y = data.Incomemodel = tf.keras.Sequential() model.add(tf.keras.layers.Dense(1,input_shape=(1,))) # model.summary() # ax+b model.compile(optimizer='adam',loss='mse')# 編譯（優(yōu)化方法：admaoptimizer='adam',損失函數(shù)：均方差loss='mse'） history = model.fit(x,y,epochs=5000) # 訓(xùn)練x,y5000次尋找a和b的最小值 print(history)

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告級(jí)別，不顯示警告 import tensorflow as tf import pandas as pd import matplotlib.pyplot as pltdata = pd.read_csv('A.csv') # print(data) # plt.scatter(data.Education,data.Income) # plt.show() x = data.Education y = data.Incomemodel = tf.keras.Sequential() model.add(tf.keras.layers.Dense(1,input_shape=(1,))) # model.summary() # ax+b model.compile(optimizer='adam',loss='mse')# 編譯（優(yōu)化方法：admaoptimizer='adam',損失函數(shù)：均方差loss='mse'） history = model.fit(x,y,epochs=5000) # 訓(xùn)練x,y5000次尋找a和b的最小值 print(history) print(model.predict(x)) # 預(yù)測(cè)現(xiàn)有的x值收入 print("20年的預(yù)測(cè)收入為:",model.predict(pd.Series([20]))) # 預(yù)測(cè)20年的收入

總結(jié)

以上是生活随笔為你收集整理的深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-线性回归tf.keras概述-02的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。