关于算法:Python用Keras神经网络序列模型回归拟合预测准确度检查和结果可视化

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。

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。

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()

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

原文链接：http://tecdat.cn/?p=23573