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