tensorflow学习006——多层感知器（神经网络）的代码实现

2.5个多层感知器（神经网络）的代码实现

所需文件链接：

提取码：guzz

点击查看代码

import pandas as pd
data = pd.read_csv("./dataset/Advertising.csv") #将上面下载下来的文件放在代码目录下的dataset目录
print(data.head())

图 2-12

本次数据如下图2-12所示，分别代表了电视、广播的广告成本，以及最终的销售额。

直接运行代码

点击查看代码

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_csv("./dataset/Advertising.csv")

# print(data.head())
x = data.iloc[:,1:-1] #所有的行以及除了第一列和最后一列
y = data.iloc[:,-1] #所有的行以及最后一列
model = tf.keras.Sequential(
    #添加激活函数，增加非线性拟合效果
    [tf.keras.layers.Dense(10,input_shape=(3,),activation='relu'), #第一层是10个神经元，也就是第一层的输出是10个，输入是(3,)，因为每组数据都是由三个输入数据构成

     tf.keras.layers.Dense(1)] #第二层，一个神经元，输出为1个，也即是最后的销量结果
)
print(model.summary())
model.compile(optimizer='adam',loss='mse')
model.fit(x,y,epochs=100)

#预测前10个训练集中的数据
print(model.predict(data.iloc[:10,1:-1]))
print(data.iloc[:10,-1]) #输出真实结果

图2-13

以上代码生成的模型结构如图2-13所示，第一层中间有10个神经元，参数为40，40=10*(3+1）@ > 其中3代表三个输入量的权重，1是每个神经元Bias的偏差。