Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化|附代碼數(shù)據(jù)
原文鏈接：http://tecdat.cn/?p=23573
最近我們被客戶要求撰寫關(guān)于Keras神經(jīng)網(wǎng)絡(luò)序列模型的研究報告，包括一些圖形和統(tǒng)計輸出。
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?（?點擊文末“閱讀原文”獲取完整代碼數(shù)據(jù)********?）。
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
準(zhǔn)備數(shù)據(jù)
首先，我們將為本教程創(chuàng)建一個回歸數(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，其余的點是x輸入的特征。
點擊標(biāo)題查閱往期內(nèi)容
python在Keras中使用LSTM解決序列問題
左右滑動查看更多
01
02
03
04
定義模型
接下來，我們將建立一個keras序列模型。
def?Model():?model?=?Sequential()?model.add(Dense(128,?input_dim=3,activation='relu'))??....?return?modelModel()
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x數(shù)據(jù)。
regressor.fit(x,y)?regressor.predict(x)
我們檢查平均平方誤差率``````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!
點擊文末?“閱讀原文”
獲取全文完整代碼數(shù)據(jù)資料。
本文選自《Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化》。
點擊標(biāo)題查閱往期內(nèi)容
PYTHON用KERAS的LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行時間序列預(yù)測天然氣價格例子
Python對商店數(shù)據(jù)進(jìn)行l(wèi)stm和xgboost銷售量時間序列建模預(yù)測分析
Matlab用深度學(xué)習(xí)長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對文本數(shù)據(jù)進(jìn)行分類
RNN循環(huán)神經(jīng)網(wǎng)絡(luò) 、LSTM長短期記憶網(wǎng)絡(luò)實現(xiàn)時間序列長期利率預(yù)測
結(jié)合新冠疫情COVID-19股票價格預(yù)測：ARIMA，KNN和神經(jīng)網(wǎng)絡(luò)時間序列分析
深度學(xué)習(xí)：Keras使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類分析新聞組數(shù)據(jù)
用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
PYTHON用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法預(yù)測時間序列洗發(fā)水銷售數(shù)據(jù)
Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化
Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時間序列進(jìn)行預(yù)測分析
R語言中的神經(jīng)網(wǎng)絡(luò)預(yù)測時間序列：多層感知器（MLP）和極限學(xué)習(xí)機(jī)（ELM）數(shù)據(jù)分析報告
R語言深度學(xué)習(xí)：用keras神經(jīng)網(wǎng)絡(luò)回歸模型預(yù)測時間序列數(shù)據(jù)
Matlab用深度學(xué)習(xí)長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對文本數(shù)據(jù)進(jìn)行分類
R語言KERAS深度學(xué)習(xí)CNN卷積神經(jīng)網(wǎng)絡(luò)分類識別手寫數(shù)字圖像數(shù)據(jù)（MNIST）
MATLAB中用BP神經(jīng)網(wǎng)絡(luò)預(yù)測人體脂肪百分比數(shù)據(jù)
Python中用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型
R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析
SAS使用鳶尾花(iris)數(shù)據(jù)集訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)(ANN)模型
【視頻】R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析
Python使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類
R語言用神經(jīng)網(wǎng)絡(luò)改進(jìn)Nelson-Siegel模型擬合收益率曲線分析
R語言基于遞歸神經(jīng)網(wǎng)絡(luò)RNN的溫度時間序列預(yù)測
R語言神經(jīng)網(wǎng)絡(luò)模型預(yù)測車輛數(shù)量時間序列
R語言中的BP神經(jīng)網(wǎng)絡(luò)模型分析學(xué)生成績
matlab使用長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對序列數(shù)據(jù)進(jìn)行分類
R語言實現(xiàn)擬合神經(jīng)網(wǎng)絡(luò)預(yù)測和結(jié)果可視化
用R語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實例
使用PYTHON中KERAS的LSTM遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行時間序列預(yù)測
python用于NLP的seq2seq模型實例:用Keras實現(xiàn)神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯
用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類
