1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

《Python深度学习》3.6预测房价：回归问题

• 人工智能 • 阅读 85

这是一个模板代码，可以作为 深度学习_模型进行曲线 _回归 _预测_的参考： _python_ import numpy as np import tensorflow as tf # 准备数据 (x_train, y_train), (x_test, y_test) = load_data() # 定义模型 model = tf.keras.Sequential([ tf.keras.layers.Dense(64, activation='relu', input_shape=(x_train.shape[1],)), tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dense(1) ]) # 编译模型 model.compile(optimizer=tf.keras.optimizers.Adam(0.001), loss='mean_squared_error', metrics=['mean_absolute_error']) # 训练模型 history = model.fit(x_train, y_train, epochs=10, validation_split=0.2) # 评估模型 model.evaluate(x_test, y_test, verbose=2) # 使用模型进行 _预测_ predictions = model.predict(x_test) 需要注意的是，在这段代码中，你需要自己实现 load_data() 函数，用来载入训练数据和测试数据。训练数据和测试数据应该都是 numpy 数组的形式，其中 x 是输入数据，y 是标签。 在这段代码中，我们使用了一个简单的 _深度学习_模型，包含了两层全连接层，每层包含了 64 个单元。我们使用 Adam 优化器，并使用均方误差作为损失函数，并计算平均绝对误差作为评估指标。 在训练模型的时候，我们使

Original: https://blog.csdn.net/qq_39910653/article/details/122265439
Author: 菜希
Title: 《Python深度学习》3.6预测房价：回归问题

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/630951/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球