Il nostro obiettivo e- di predirre tramite l-uso del computer il futuro di una certa variabile. Per esempio quanti caffe berremo domani? Oppure quanto costera una cpu il prossimo anno?
Ebbene se abbiamo una curiosita di prevedere un certo andamento possiamo utilizzare Python e Tensorflow.
Carichiamo quindi un nostro csv gia compilato con le variabili interessate(esempio caffe bevuti negli scorsi 30 giorni)
import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras.layers.experimental import preprocessing
import pandas as pd
import numpy as np
m_model_train = pd.read_csv(“m_csv.csv”)
print(m_model.head())
Estraiamo poi la feature voluta cioe- il numero di caffe
m_model_features = m_model_train.copy()
m_model_labels = m_model_features.pop(“ncoffee”)
m_model_features = np.array(m_model_features)
print(m_model_features)
Utilizziamo quindi un modello regressivo di Keras per predirre i prossimi caffe che berremo
m_model = tf.keras.Sequential([
layers.Dense(64),
layers.Dense(1)
])
m_model.compile(loss = tf.losses.MeanSquaredError(),
optimizer = tf.optimizers.Adam())
m_model.fit(abalone_features, abalone_labels, epochs=10)
Il nostro modello e’ quindi completato.
Links
https://www.tensorflow.org/tutorials/load_data/csv
