共计 1155 个字符，预计需要花费 3 分钟才能阅读完成。
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