特别说明
为了更好的展示效果,代码段将以图片的形式上传,若想复制代码可移步笔者的Github
如有错误或不足,还望务必指正和赐教,如有问题,请参阅往期内容或在评论区留言
环境说明
平台:WIN10(教育版)
环境:Anaconda5.2(Python3.6.6)
IDE:Pacharm2018.2.3(专业版)
Keras:2.2.2
任务目标
实现线性回归模型
线性回归
代码解析
1:导入NumPy用ndarray组织数据
2:导入matplotlib来展示原始数据和查看拟合的曲线
3:导入Kreas的序贯模型Sequential来搭建线性回归模型
4:线性回归需要用Keras的全连接层Dense来实现
6-10:设定模型的超参数:
7:损失函数采用“均方误差”
8:优化器选用“随机梯度下降”
9:迭代次数设置为500次
10:训练集比例设置为75%,即数据集75%用来训练,25%用来测试
12-15:生成数据集
13:x为从-1到1等距的100个点
14:y=2x,然后加了方差为0.3均值为0的正态分布噪声
15:自定义的预测数据集
17-21:搭建模型
18:生成序贯模型
19:添加隐藏层节点,因为要实现线性回归,所以只需要1层隐藏层1个节点就够了
20:编译模型,将模型的参数传入
21:展示模型,将模型的结构打印出来
23-33:训练、测试、预测
24-26:训练:传入训练集x、y和迭代次数epochs
28-30:测试:传入测试集x、y
32-33:预测:传入预测样本点
35-40:绘图
36:画出原始数据
37:画出拟合曲线
38-40:添加图例、网格线,显示图像
完
上一篇:Hello,Keras!
下一篇:逻辑回归