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)測測試數(shù)據(jù)。 在這篇文章中，我們將簡要地學(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。
準(zhǔn)備數(shù)據(jù)
定義模型
用KerasRegressor進(jìn)行擬合（準(zhǔn)確度檢查和結(jié)果的可視化）
用序列模型進(jìn)行擬合（準(zhǔn)確度檢查和結(jié)果可視化）。
我們將從加載所需的模塊開始。
from keras.models import Sequential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)
紅線是y輸出，其余的點(diǎn)是x輸入的特征。
接下來，我們將建立一個(gè)keras序列模型。
def Model():
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x數(shù)據(jù)。
regressor.fit(x,y)
最后，我們繪制結(jié)果。
plt.plot(y)
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)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)簡單地學(xué)習(xí)了如何用Python中的Keras神經(jīng)網(wǎng)絡(luò)模型來擬合和預(yù)測回歸數(shù)據(jù)。謝謝您的閱讀!
聯(lián)系客服
