多层感知器（神经网络）与**函数

这次学习就是有隐藏层的神经网络

用到的函数

pandas.iloc

这次用到了pandas中的iloc函数，他是用来取数据的，具体的就是从samples中取出features

如果数据如上图所示

x = data.iloc[:, :] #获得所有数据
x = data.iloc[:, 0:-1] # 获得第一列到倒数第二列数据，因为末尾值是取不到的
x = data.iloc[[0,1],[0,1]] #提取第0、1行，第0、1列中的数据
x = data.iloc[:, [0,2]] #获得第一列和第三列的数据
x = data.iloc[[2], :] #获得第二行的数据

可以看到**逗号，**以前的代表的是行，逗号以后的代表的是列

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

data = pd.read_csv('TV_sale.csv')
# print(data.head()) # 显示前五个数据

x = data.iloc[:, 0:-1] # 获得第一列到倒数第二列数据，因为末尾值是取不到的
# print(x)
y = data.iloc[:, [-1]]
# print(y)

model = tf.keras.Sequential([tf.keras.layers.Dense(10, input_shape=(3,), activation='relu'),
                             tf.keras.layers.Dense(1)]
                            )
model.summary()

tf.keras.Sequential()

model = tf.keras.Sequential([tf.keras.layers.Dense(加入的层的神经元数量, input_shape=(输入feature的数量,), activation=选择你的**函数，上面选的是relu),
                             tf.keras.layers.Dense(1)]
                            )

这是这个神经网络的结果，因为有10个神经元，每个神经元有3个feature加上一个bias所以总共的parameter有40个那一层
对于第二层，上一层的10个神经元加上一个bias所以是11个parameter

model.summary()

这个函数是用来看神经网络是什么样子的

各种**函数

完整代码

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

data = pd.read_csv('TV_sale.csv')
# print(data.head()) # 显示前五个数据

x = data.iloc[:, 0:-1] # 获得第一列到倒数第二列数据，因为末尾值是取不到的
# print(x)
y = data.iloc[:, [-1]]
# print(y)

model = tf.keras.Sequential([tf.keras.layers.Dense(10, input_shape=(3,), activation='relu'),
                             tf.keras.layers.Dense(1)]
                            )
# model.summary()
model.compile(optimizer='adam',
              loss='mse'
)
model.fit(x, y, epochs=1000)
test = data.iloc[:4, 0:-1]
print(model.predict(test))
print(data.iloc[:4, [-1]])

哈哈哈结果很不好，因为我只写了8个数据