原文鏈接：http://tecdat.cn/?p=23250

原文出處：拓端數(shù)據(jù)部落公眾號

回歸數(shù)據(jù)可以用Keras深度學(xué)習(xí)API輕松擬合。在本教程中，我們將簡要地學(xué)習(xí)如何通過使用R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)。在這里，我們將看到如何創(chuàng)建簡單的回歸數(shù)據(jù)，建立模型，訓(xùn)練它，并最終預(yù)測輸入數(shù)據(jù)。該教程包括

• 生成樣本數(shù)據(jù)集

• 建立模型

• 訓(xùn)練模型并檢查準(zhǔn)確性

• 預(yù)測測試數(shù)據(jù)?

• 源代碼列表

我們將從加載R的Keras庫開始。

library(keras)

生成樣本數(shù)據(jù)集

首先，本教程的樣本回歸時間序列數(shù)據(jù)集。

1. 


2. plot( c )

3. points( a )

4. points( ?b )

5. points( ?y )

紅線是y輸出，其余的點是x輸入的序列。

我們需要將x輸入數(shù)據(jù)轉(zhuǎn)換成矩陣類型。

1. x = as.matrix(data.frame(a,b,c))

2. y = as.matrix(y)

建立模型

接下來，我們將創(chuàng)建一個keras序列模型。

1. loss = "mse",

2. optimizer = ?"adam",

3. metrics = list("mean_absolute_error")

訓(xùn)練模型和檢查準(zhǔn)確性

接下來，我們將用x、y數(shù)據(jù)來擬合模型，并檢查其準(zhǔn)確性。

1. evaluate(x, y, verbose = 0)

2. print(scores)

接下來，我們將預(yù)測x數(shù)據(jù)，并在圖中與原始y值進行比較。?

plot(x, y)

?
預(yù)測測試數(shù)據(jù)

接下來，我們將把數(shù)據(jù)集分成訓(xùn)練和測試兩部分，再次訓(xùn)練模型，預(yù)測測試數(shù)據(jù)。

1. fit(train_x,train_y)

2. predict(test_x)

最后，我們將繪制原始測試數(shù)據(jù)的Y值和預(yù)測值。

1. plot(x, test_y)

2. lines(x, y_pred)

?

?

?在本教程中，我們已經(jīng)簡單了解了如何在R中用keras神經(jīng)網(wǎng)絡(luò)模型擬合回歸數(shù)據(jù)。?

最受歡迎的見解

1.r語言用神經(jīng)網(wǎng)絡(luò)改進nelson-siegel模型擬合收益率曲線分析

2.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

3.python用遺傳算法-神經(jīng)網(wǎng)絡(luò)-模糊邏輯控制算法對樂透分析

4.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

5.用r語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實例

6.R語言基于Keras的小數(shù)據(jù)集深度學(xué)習(xí)圖像分類

7.用于NLP的seq2seq模型實例用Keras實現(xiàn)神經(jīng)機器翻譯

8.python中基于網(wǎng)格搜索算法優(yōu)化的深度學(xué)習(xí)模型分析糖

9.matlab使用貝葉斯優(yōu)化的深度學(xué)習(xí)