原文鏈接：http://tecdat.cn/?p=23573?

原文出處：拓端數據部落公眾號

我們可以很容易地用Keras序列模型擬合回歸數據并預測測試數據。??在這篇文章中，我們將簡要地學習如何用Python中的Keras神經網絡API擬合回歸數據。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容。

• 準備數據

• 定義模型

• 用KerasRegressor進行擬合（準確度檢查和結果的可視化）

• 用序列模型進行擬合（準確度檢查和結果可視化）。

我們將從加載所需的模塊開始。
?

1. 


2. from keras.models import Sequential

準備數據

首先，我們將為本教程創(chuàng)建一個回歸數據集樣本。

1. x_ax = range(N)

2. plt.plot(x_ax, x, 'o')

3. plt.plot(x_ax, y, lw=1.5, color=c)

4. plt.legend()

紅線是y輸出，其余的點是x輸入的特征。

定義模型

接下來，我們將建立一個keras序列模型。

1. def Model():

2. model = Sequential()

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

4. ....

5. return model

6. 


7. 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的數據擬合模型。然后，我們可以預測x數據。

1. regressor.fit(x,y)

2. regressor.predict(x)

我們檢查平均平方誤差率mean_squared_error(y, y_pred)

最后，我們繪制結果。

1. plt.plot(y)

2. plt.plot(y_pred)

keras序列模型進行擬合
?

這一次，我們將在沒有封裝類的情況下擬合模型。

1. fit(x, y, nb_epoch=100)

2. model.predict(x)?

我們檢查一個平均平方誤差率。

mean_squared_error(y, y_krm)

最后，我們繪制結果。

在本教程中，我們已經簡單地學習了如何用Python中的Keras神經網絡模型來擬合和預測回歸數據。謝謝您的閱讀!

最受歡迎的見解

1.r語言用神經網絡改進nelson-siegel模型擬合收益率曲線分析

2.r語言實現擬合神經網絡預測和結果可視化

3.python用遺傳算法-神經網絡-模糊邏輯控制算法對樂透分析

4.用于nlp的python：使用keras的多標簽文本lstm神經網絡分類

5.用r語言實現神經網絡預測股票實例

6.R語言基于Keras的小數據集深度學習圖像分類

7.用于NLP的seq2seq模型實例用Keras實現神經機器翻譯

8.python中基于網格搜索算法優(yōu)化的深度學習模型分析糖

9.matlab使用貝葉斯優(yōu)化的深度學習