下面的代码基于keras模型构建线性模型，对房价数据进行训练及预测。请按照说明将代码补充完整，并根据要求回答问题：（40分） #房价数据为[2104,460], [1416,232] [1534, 315], [1200,280] [852,178]绘制为散点图。请自行安装matplotlib。 x = tf.constant([2104, 1416, 1534, 1200,852]) y = tf.constant([460, 232, 315, 280, 178]) x = tf.cast(x, tf.float32) y = tf.cast(y, tf.float32) # Plot all the data plt.plot(x, y, '.') plt.show() #将输入数据x和y进行归一化 x = keras.utils.normalize(x) y = keras.utils.normalize(y) #定义模型 class MyModelKeras(tf.keras.Model): def __init__(self, **kwargs): super().__init__(**kwargs) # Initialize the weights to `4.0` and the bias to `0.0` #补充以下代码段 （5分） def call(self, x): #补充以下代码段 （5分） keras_model = MyModelKeras() #补充以下代码段，完成模型的编译与训练，训练次数为10次。 （10分） #补充以下代码段，基于matplotlib完成损失函数值的曲线的绘制 （6分） #基于训练好的模型，对归一化后的数据x进行预测，并在同一张图片中分别以蓝色和红色显示对应的y和预测后的数据。 （8分）

完整代码如下所示，并附有运行结果的截图：

import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt

# 房价数据为[2104,460], [1416,232] [1534, 315], [1200,280] [852,178]绘制为散点图。
# 请自行安装matplotlib。
x = tf.constant([2104, 1416, 1534, 1200, 852])
y = tf.constant([460, 232, 315, 280, 178])
x = tf.cast(x, tf.float32)
y = tf.cast(y, tf.float32)

# Plot all the data
plt.plot(x, y, '.')
plt.show()

# 将输入数据x和y进行归一化
x = keras.utils.normalize(x)
y = keras.utils.normalize(y)

# 定义模型
class MyModelKeras(tf.keras.Model):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        # Initialize the weights to `4.0` and the bias to `0.0`
        self.w = tf.Variable(4.0)
        self.b = tf.Variable(0.0)

    def call(self, x):
        return self.w * x + self.b

keras_model = MyModelKeras()

# 完成模型的编译与训练，训练次数为10次。
keras_model.compile(optimizer=tf.keras.optimizers.Adam(), loss='mse')
history = keras_model.fit(x, y, epochs=10)

# 基于matplotlib完成损失函数值的曲线的绘制
plt.plot(history.history['loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.show()

# 基于训练好的模型，对归一化后的数据x进行预测，并在同一张图片中分别以蓝色和红色显示对应的y和预测后的数据。
y_pred = keras_model.predict(x)
plt.plot(x, y, '.', label='data')
plt.plot(x, y_pred, 'r-', label='predicted')
plt.plot(x, y, 'b-', label='true')
plt.legend()
plt.title('Linear Regression')
plt.show()

运行结果截图如下所示：


问题回答：

1. 请问，模型的损失函数是什么？（2分）

答：模型的损失函数为均方误差（MSE）。

2. 请问，模型的优化器是什么？（2分）

答：模型的优化器是Adam优化器。