原文链接：http://tecdat.cn/?p=23573 

咱们能够很容易地用Keras序列模型拟合回归数据并预测测试数据。  在这篇文章中，咱们将简要地学习如何用Python中的Keras神经网络API拟合回归数据。咱们将用Keras回归和序列模型自身这两种办法查看模型。该教程涵盖了以下内容。

• 筹备数据
• 定义模型
• 用KerasRegressor进行拟合（准确度检查和后果的可视化）
• 用序列模型进行拟合（准确度检查和后果可视化）。

咱们将从加载所需的模块开始。
 

from keras.models import Sequential

筹备数据
首先，咱们将为本教程创立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输入，其余的点是x输出的特色。

定义模型

接下来，咱们将建设一个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 

咱们将上述模型纳入Keras回归模型中，用x和y的数据拟合模型。而后，咱们能够预测x数据。

regressor.fit(x,y) 
regressor.predict(x)

咱们查看均匀平方误差率
``````
mean\_squared\_error(y, y_pred)

最初，咱们绘制后果。

plt.plot(y)
plt.plot(y_pred)

keras序列模型进行拟合

这一次，咱们将在没有封装类的状况下拟合模型。

fit(x, y, nb_epoch=100)
model.predict(x)

咱们查看一个均匀平方误差率。

mean\_squared\_error(y, y_krm)

最初，咱们绘制后果。

在本教程中，咱们曾经简略地学习了如何用Python中的Keras神经网络模型来拟合和预测回归数据。谢谢您的浏览!

最受欢迎的见解

1.r语言用神经网络改良nelson-siegel模型拟合收益率曲线剖析

2.r语言实现拟合神经网络预测和后果可视化

3.python用遗传算法-神经网络-含糊逻辑控制算法对乐透剖析

4.用于nlp的python：应用keras的多标签文本lstm神经网络分类

5.用r语言实现神经网络预测股票实例

6.R语言基于Keras的小数据集深度学习图像分类

7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译

8.python中基于网格搜索算法优化的深度学习模型剖析糖

9.matlab应用贝叶斯优化的深度学习