神经网络曲线拟合预测代码

神经网络用于曲线拟合和预测是一种常见的机器学习应用，通常在Python中使用深度学习库如TensorFlow或PyTorch实现。以下是简要的步骤和代码片段示例：

1. 导入必要的库：

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation

2. 准备数据（假设我们有一个简单的线性数据集）：

# 假设 x 是输入值，y 是对应的目标值
x = np.linspace(0, 10, 100)[:, np.newaxis]
y = 2 * x + 1 + np.random.normal(0, 2, (100, 1))

3. 创建并编译模型：

model = Sequential([
    Dense(units=16, input_shape=(1,), activation='relu'),  # 输入层和隐藏层
    Dense(units=1)                                         # 输出层
])
model.compile(optimizer='adam', loss='mean_squared_error')  # 优化器和损失函数

4. 拟合模型：

model.fit(x, y, epochs=100, validation_split=0.2)

5. 进行预测：

predictions = model.predict(x_new)  # 其中 x_new 是新数据的输入值

6. 可视化结果：

import matplotlib.pyplot as plt
plt.scatter(x, y, label='Data')
plt.plot(x, predictions, label='Predictions', color='red')
plt.legend()
plt.show()