多元线性回归
这里有个Advertising.csv
找出TV , radio , newspaper 和 sales关系
读入数据
import pandas as pd
data = pd.read_csv('Advertising.csv')
x = data.iloc[:,1:-1]
y = data.iloc[:,-1]
建立层
import keras
from keras import layers
model = keras.Sequential()
# 输入层为3,输出层为1
model.add(layers.Dense(1,input_dim=3))
# y_pred = w1*t1+w2*t2+w3*t3+b t这里是权重
model.summary()
训练数据
model.compile(optimizer="adam",loss='mse')
model.fit(x,y,epochs=2000)
我们可以看到loss竟然没有减少,反而增加了,这是因为训练2000早就达到了极小值
没必要训练2000次,可以减少点
预测数据
如果电视投放300,其他不投放,预测sale
print(model.predict(pd.DataFrame([[300,0,0]])))
[[ 16.61728096]]