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 Python用Keras神经网络序列模型回

原文链接：http://tecdat.cn/?p=23573 【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】我们可以很容易地用Keras序列模型拟合回归数据并预测测试数据。在这篇文章中，我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。我们将用Keras回归和序列模型本身这两种方法检查模型。该教程涵盖了以下内容。

准备数据
定义模型
用KerasRegressor进行拟合（准确度检查和结果的可视化）
用序列模型进行拟合（准确度检查和结果可视化）。

我们将从加载所需的模块开始。

from keras.models import Sequential

准备数据首先，我们将为本教程创建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()

文章图片

红线是y输出，其余的点是x输入的特征。
定义模型接下来，我们将建立一个keras序列模型。

def Model(): model = Sequential() model.add(Dense(128, input_dim=3,activation='relu')) .... return modelModel()

文章图片

用Keras回归模型拟合我们将上述模型纳入Keras回归模型中，用x和y的数据拟合模型。然后，我们可以预测x数据。

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

文章图片

我们检查平均平方误差率 `````` mean\_squared\_error(y, y_pred)

文章图片

最后，我们绘制结果。

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

文章图片

keras序列模型进行拟合这一次，我们将在没有封装类的情况下拟合模型。

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

我们检查一个平均平方误差率。

mean\_squared\_error(y, y_krm)

最后，我们绘制结果。

文章图片

在本教程中，我们已经简单地学习了如何用Python中的Keras神经网络模型来拟合和预测回归数据。谢谢您的阅读!

文章图片

最受欢迎的见解
1.r语言用神经网络改进nelson-siegel模型拟合收益率曲线分析
2.r语言实现拟合神经网络预测和结果可视化
3.python用遗传算法-神经网络-模糊逻辑控制算法对乐透分析
4.用于nlp的python：使用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分析糖
9.matlab使用贝叶斯优化的深度学习