Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化

相关视频

准备数据

定义模型

用KerasRegressor进行拟合（准确度检查和结果的可视化）

用序列模型进行拟合（准确度检查和结果可视化）。

我们将从加载所需的模块开始。

from keras.models import Sequential准备数据

首先，我们将为本教程创建一个回归数据集样本。

x_ax = range(N)

plt.plot(x_ax, x, 'o')

plt.plot(x_ax, y, lw=1.5, color=c)

plt.legend()

红线是y输出，其余的点是x输入的特征。

定义模型

接下来，我们将建立一个keras序列模型。

def Model():

model = Sequential()

model.add(Dense(128, input_dim=3,activation='relu'))

....

return model

Model()用Keras回归模型拟合 

我们将上述模型纳入Keras回归模型中，用x和y的数据拟合模型。然后，我们可以预测x数据。

regressor.fit(x,y)

regressor.predict(x)

我们检查平均平方误差率

``````

mean\_squared\_error(y, y_pred)

最后，我们绘制结果。

plt.plot(y)

plt.plot(y_pred)

keras序列模型进行拟合

这一次，我们将在没有封装类的情况下拟合模型。

fit(x, y, nb_epoch=100)

model.predict(x)

我们检查一个平均平方误差率。

mean\_squared\_error(y, y_krm)

最后，我们绘制结果。

在本教程中，我们已经简单地学习了如何用Python中的Keras神经网络模型来拟合和预测回归数据。谢谢您的阅读!