深度学习框架keras实现简单的线性回归，面试经常被问

keras实现简单的线性回归基本流程如下：

第一步：导入必要的python库

import matplotlib.pyplot as plt
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
import numpy as np

第二步：引入数据，可以是excel、csv文件数据，也可以是自己自定义的数据，这里为了大家方便起见，引入自己定义的数据，更加直观，后续在此基础上对会对各类数据进行处理加工。

x_train = [1, 1.2, 1.4, 1.5, 1.8, 2, 2.5, 3, 4, 5, 6.2]
y_train = [3, 5, 8, 9, 12, 16.5, 23.5, 43.7, 68.5, 89.3, 120]

x_train=np.array(x_train)
y_train=np.array(y_train)

#对numpy数组进行塑形
x_train=np.reshape(x_train,(11,1))
y_train=np.reshape(y_train,(11,1))

第三步：构建神经网络模型

model=Sequential()
model.add(Dense(1,input_shape=(1,),activation=None))

第四步：模型编译，编译器中optimizer='sgd'：采用梯度下降算法进行参数更新

#optimizer='sgd' 优化器采用梯度下降算法进行参数更新
model.compile(optimizer='sgd',loss='mse')

第五步：模型各层的参数状况查看

model.summary()

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 dense (Dense)               (None, 1)                 2         
                                                                 
=================================================================
Total params: 2
Trainable params: 2
Non-trainable params: 0

第六步：模型训练

model.fit(x=x_train,y=y_train,epochs=2000,verbose=2)

第七步：模型预测与画图

y_pred = model.predict(x_train)

plt.scatter(x_train,y_train)
plt.plot(x_train,y_pred)
plt.show()