cnn一维线性回归预测python代码

下面是一个使用一维CNN进行线性回归预测的Python代码示例：

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 创建一维线性数据
x = np.linspace(-1, 1, 200)
y = 0.5 * x + 2 + np.random.normal(0, 0.05, (200,))

# 构建CNN模型
model = keras.Sequential()
model.add(layers.Reshape((200, 1), input_shape=(200,)))
model.add(layers.Conv1D(32, 5, activation='relu'))
model.add(layers.MaxPooling1D(2))
model.add(layers.Conv1D(64, 5, activation='relu'))
model.add(layers.MaxPooling1D(2))
model.add(layers.Flatten())
model.add(layers.Dense(1))

# 编译模型
model.compile(optimizer='adam', loss='mse')

# 训练模型
model.fit(x, y, epochs=1000, verbose=0)

# 预测新数据
x_new = np.array([1.5])
y_new = model.predict(x_new)
print(y_new)

这个代码示例中，我们首先使用numpy生成一些一维的线性数据（y = 0.5x + 2），然后构建了一个简单的一维CNN模型，包括了两个卷积层、池化层和一个全连接层。最后，我们使用该模型对一个新的数据点进行预测，并打印出预测结果。