如何使用TensorFlow.js创建简单神经网络？附训练数据求示例

你的场景属于单输出回归任务（输入6维特征，预测连续数值），可以从以下方向获取对应示例：

• TensorFlow.js 官方文档的回归任务板块：包含针对数值预测的完整基础流程，覆盖数据预处理（将对象格式输入转为张量）、简单全连接模型构建、训练与预测的核心步骤，完全匹配你的多参数输入+单数值输出需求。
• TensorFlow.js 内置离线示例集：其中的「线性回归」「简单全连接回归」案例，直接演示了如何处理多维输入特征，你可以基于这类示例快速适配自己的6参数输入场景。
• 基础回归模型代码模板参考（贴合你的数据）：

  // 预处理输入输出数据
  const inputData = tf.tensor2d([[0, 0.034, 0.147, 1, 0, 0.028]]);
  const outputData = tf.tensor1d([0.035]);
  
  // 构建简单神经网络
  const model = tf.sequential();
  // 输入层+隐藏层：适配6维输入，用relu激活
  model.add(tf.layers.dense({units: 8, activation: 'relu', inputShape: [6]}));
  // 输出层：单节点，线性激活对应回归任务
  model.add(tf.layers.dense({units: 1, activation: 'linear'}));
  
  // 编译模型：选择adam优化器，均方误差作为损失函数（回归任务常用）
  model.compile({optimizer: 'adam', loss: 'meanSquaredError'});
  
  // 启动训练
  await model.fit(inputData, outputData, {epochs: 50});
  
  // 测试预测
  model.predict(inputData).print();
  

内容的提问来源于stack exchange，提问作者Pavel Eremin