今天的内容介绍的是回归问题。在回归问题中,我们的目标是预测连续值的输出,如价格或概率。将此与分类问题进行对比,我们的目标是预测离散标签(例如,图片里有一个苹果或一个橙子)。本笔记采用了经典的 Auto MPG 数据集,并建立了一个模型来预测 20 世纪 70 年代末和 80 年代初汽车的燃油效率。为此,我们将为模型提供该时间段内许多模型的描述。此描述包括以下属性:气缸,排量,马力和重量。此示例使用 tf.keras API,有关详细信息,请参阅指南https://tensorflow.google.cn/guide/keras?hl=zh-CN# Use seaborn for pairplot!pip install -q seabornfrom __future__ import absolute_import, division, print_functionimport pathlibimport pandas as pdimport seaborn as snsimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.ke
………………………………