2.1 tf.keras 实现简单的线性回归

单变量线性回归

预测函数

• 使用函数f(x)来映射输入特征和输出值
• f(x) = ax + b
• x：输入特征向量 f(x)：预测值

损失函数

• 预测目标：预测函数与真实值整体误差最小
• 损失函数：均方差

问题转化

• 寻找合适的 a 和 b ，使得 (f(x) - y)²越小越好

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('D:\PythonProjects\Tensorflow2.0\Source\Data\Income1.csv')  
# 出散点图
plt.scatter(data.Education, data.Income)  

x = data.Education
y = data.Income
# 构建模型
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1, input_shape = (1,)))
model.summary()
model.compile(optimizer = 'adam', loss = 'mse')
model.fit(x, y, epochs = 5000)
# 预测
print(model.predict(pd.Series(20)))

 

数据集：

• 

散点图:

• 

训练过程：

•