原文鏈接：http:///?p=23573我們可以很容易地用Keras序列模型擬合回歸數(shù)據(jù)并預(yù)測(cè)測(cè)試數(shù)據(jù)。 在這篇文章中，我們將簡(jiǎn)要地學(xué)習(xí)如何用Python中的Keras神經(jīng)網(wǎng)絡(luò)API擬合回歸數(shù)據(jù)。我們將用Keras回歸和序列模型本身這兩種方法檢查模型。該教程涵蓋了以下內(nèi)容。
我們將從加載所需的模塊開始。 from keras.models import Sequential準(zhǔn)備數(shù)據(jù)首先，我們將為本教程創(chuàng)建一個(gè)回歸數(shù)據(jù)集樣本。 x_ax = range(N)plt.plot(x_ax, x, 'o') plt.plot(x_ax, y, lw=1.5, color=c) plt.legend() 紅線是y輸出，其余的點(diǎn)是x輸入的特征。 定義模型接下來(lái)，我們將建立一個(gè)keras序列模型。 def Model():model = Sequential() model.add(Dense(128, input_dim=3,activation='relu')) .... return model Model() 用Keras回歸模型擬合我們將上述模型納入Keras回歸模型中，用x和y的數(shù)據(jù)擬合模型。然后，我們可以預(yù)測(cè)x數(shù)據(jù)。 regressor.fit(x,y)regressor.predict(x) `````` mean\_squared\_error(y, y_pred) 最后，我們繪制結(jié)果。 plt.plot(y)plt.plot(y_pred) keras序列模型進(jìn)行擬合 這一次，我們將在沒有封裝類的情況下擬合模型。 fit(x, y, nb_epoch=100)model.predict(x) 我們檢查一個(gè)平均平方誤差率。 mean\_squared\_error(y, y_krm)最后，我們繪制結(jié)果。 在本教程中，我們已經(jīng)簡(jiǎn)單地學(xué)習(xí)了如何用Python中的Keras神經(jīng)網(wǎng)絡(luò)模型來(lái)擬合和預(yù)測(cè)回歸數(shù)據(jù)。謝謝您的閱讀! |
|
|
來(lái)自： 拓端數(shù)據(jù) > 《待分類》
