Tensorflow---使用Tensorflow实现逻辑回归模型

一、代码中的数据集下载地址如下：

百度网盘提取码：lala

二、代码运行环境：

Tensorflow-gpu==2.4.0

Python==3.7

三、训练代码如下：

import tensorflow as tf
import pandas as pd
import os

# 环境变量配置
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true'

# 数据的读取
data = pd.read_csv(r'dataset/logic_dataset.csv')
x = data.iloc[:, :-1]
y = data.iloc[:, -1].replace(-1, 0)

# 模型的建立
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(4, input_shape=(15,), activation='relu'))
model.add(tf.keras.layers.Dense(4, activation='relu'))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))
model.summary()

# 模型的相关配置
model.compile(
    optimizer='adam',
    loss='binary_crossentropy',
    metrics=['acc']
)

# 模型的训练
history = model.fit(x, y, epochs=10000)

# 模型的保存
model.save(r'model_data/model.h5')