1.前言

神经网络可以用来模拟回归问题 (regression)，例如给一组数据，用一条线来对数据进行拟合，并可以预测新输入 x 的输出值。

2.用Keras搭建线性回归神经网络

2.1.导入必要模块

import numpy as np
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt

2.2.创建数据

np.random.seed(42)
X = np.linspace(-1,1,200)    #(200,)
np.random.shuffle(X)
Y = -0.5*X + 2.7 + np.random.normal(0,0.05,(200,))   #均值，标准差，输出的shape
plt.scatter(X, Y)
plt.show()X_train, Y_train = X[:160],Y[:160]    #训练数据0-159
X_test, Y_test = X[160:], Y[160:]     #测试数据

2.3.搭建模型

然后用 Sequential 建立 model，再用 model.add 添加神经层，添加的是 Dense 全连接神经层。参数有两个，一个是输入数据和输出数据的维度， x 和 y 是一维的。

如果需要添加下一个神经层的时候，不用再定义输入的纬度，因为它默认就把前一层的输出作为当前层的输入。在这个例子里，只需要一层就够了。

model = Sequential()    #用来一层一层一层的去建立神经层
model.add(Dense(units=1, input_dim=1))    #Dense指这个神经层是全连接层

2.4.激活模型

接下来要激活神经网络，上一步只是定义模型。

参数中，误差函数用的是 mse 均方误差；优化器用的是 sgd 随机梯度下降法。

model.compile(loss='mse',optimizer='sgd')  #激活模型

2.5.训练+测试

训练的时候用 model.train_on_batch 一批一批的训练 X_train, Y_train。默认的返回值是 cost，每100步输出一下结果。

测试用到的函数是 model.evaluate，输入测试集的x和y，输出 cost，weights 和 biases。其中 weights 和 biases 是取在模型的第一层 model.layers[0] 学习到的参数。从学习到的结果你可以看到, weights 比较接近-0.5，bias 接近 2.7。

print('Training.................')
for step in range(500):cost = model.train_on_batch(X_train, Y_train)  #一批一批的训练if step % 100 == 0:print('Train cost:',cost)
print('\nTesting................')
cost = model.evaluate(X_test, Y_test, batch_size=40)
print('test cost:',cost)
W, b = model.layers[0].get_weights()  #取模型的第一层的参数
print('Weights=',W,'\nbiases=',b)Y_pred = model.predict(X_test)
plt.scatter(X_test, Y_test)
plt.plot(X_test, Y_pred)
plt.show()

Keras——用Keras搭建线性回归神经网络相关推荐

Keras入门之搭建回归神经网络
Regressor 回归神经网络参考资料:哔哩哔哩-莫烦python Keras快速搭建神经网络通俗说也就是实现一个线性回归的数据预测. 以下是莫烦老师视频中的代码,我对一些细节添加了注释以方便阅 ...
Keras入门（一）搭建深度神经网络（DNN）解决多分类问题
Keras介绍 Keras是一个开源的高层神经网络API,由纯Python编写而成,其后端可以基于Tensorflow.Theano.MXNet以及CNTK.Keras 为支持快速实验而生,能够把 ...
Keras入门（一）搭建深度神经网络（DNN）解决多分类问题 1
Keras入门(一)搭建深度神经网络(DNN)解决多分类问题参考文章: (1)Keras入门(一)搭建深度神经网络(DNN)解决多分类问题 (2)https://www.cnblogs.com/jc ...
教你如何用Keras搭建分类神经网络
摘要:本文主要通过Keras实现了一个分类学习的案例,并详细介绍了MNIST手写体识别数据集. 本文分享自华为云社区<[Python人工智能] 十七.Keras搭建分类神经网络及MNIST数字图 ...
Keras——用Keras搭建分类神经网络
文章目录 1.前言 2.用Keras搭建分类神经网络 2.1.导入必要模块 2.2.数据预处理 2.3.搭建模型 2.4.激活模型 2.5.训练+测试 1.前言今天用 Keras 来构建一个分类神经 ...
Python-深度学习-学习笔记（13）：keras搭建卷积神经网络（对二维数据进行一维卷积）
Python-深度学习-学习笔记(13):keras搭建卷积神经网络(对二维数据进行一维卷积) 卷积神经网络进行图像分类是深度学习关于图像处理的一个应用,卷积神经网络的优点是能够直接与图像像素进行卷积 ...
用Keras搭建一个神经网络实现糖尿病检测
这几天一直在弄导师交代的数据分析任务,从此博客中收到很大启发,原来的博客地址:搭建神经网络教程概述这里不需要编写太多的代码,不过我们将一步步慢慢地告诉你怎么以后怎么创建自己的模型. 教程将会涵盖以 ...
keras入门教程 1.线性回归建模（快速入门）
Keras入门教程 1.线性回归建模(快速入门) 2.线性模型的优化 3.波士顿房价回归 (MPL) 4.卷积神经网络(CNN) 5.使用LSTM RNN 进行时间序列预测 6.Keras 预训练模型 ...
独家 | 教你用不到30行的Keras代码编写第一个神经网络（附代码教程）
翻译:陈丹校对:和中华本文长度为3000字,建议阅读5分钟本文为大家介绍了如何使用Keras来快速实现一个神经网络. 回忆起我第一次接触人工智能的时候,我清楚地记得有些概念看起来是多么令人畏惧. ...

Keras——用Keras搭建线性回归神经网络

文章目录