kreas 非线性回归

import keras
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.optimizers import SGD
from keras.layers import Dense,Activation
# 再-0.5和+0.5之间生成200个数据
log_flag=False;
x_data=np.linspace(-0.5,0.5,200)
noise=np.random.normal(0,0.02,x_data.shape)
y_data=np.square(x_data)+noise
#plt.scatter(x_data,y_data)
#plt.show()

#构建一个顺序模型
model=Sequential()
#在模型中添加一个全连接层 隐藏层变成10
model.add(Dense(units=10,input_dim=1))
model.add(Activation('tanh'))
model.add(Dense(units=1))
model.add(Activation('tanh'))
#变异

#自己定义优化算法
sgd=SGD(lr=0.3)
#sgd 随机梯度下降
#mes 均方误差
model.compile(optimizer=sgd,loss='mse')

for step in range(3001):
    # 每次训练一个批次
    print('setp',step)
    cost=model.train_on_batch(x_data,y_data)
    if step % 500 == 0:
        print("cost:",cost)
W,b=model.layers[0].get_weights()
print('W',W,'b',b)
#x_data 输入网络中 得到预测值 y_pred
y_pred=model.predict(x_data)
#显示随机点
plt.scatter(x_data,y_data)
plt.plot(x_data,y_pred,'r-',lw=3)
#显示预测结果
plt.show()