『python学习』keras库学习

最新推荐文章于 2024-07-31 21:10:09 发布

onlyfansnft.art

最新推荐文章于 2024-07-31 21:10:09 发布

阅读量3.2k

点赞数

分类专栏：数据挖掘 Python学习文章标签： Python学习大数据数据挖掘学习

本文链接：https://blog.csdn.net/Sbtgmz/article/details/51792377

版权

本文聚焦于Keras库中的Sequential模型，探讨其作为核心数据结构如何组织网络层。通过 Sequential 模型，我们可以方便地构建一层接一层的深度学习网络，实现高效的神经网络设计和训练。

摘要由CSDN通过智能技术生成

1、Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型，Sequential是一系列网络层按顺序构成的栈

from keras.models import Sequential

model = Sequential()

# coding:utf-8
# 使用神经网络算法预测销量高低

import pandas as pd

# 参数初始化
inputfile = r"C:\learning\DataMining\Book\Python_DataMining\Data\chapter5\demo\data\sales_data.xls"
data = pd.read_excel(inputfile, index_col=u"序号")
print "data: \n", data

# 数据是类别标签，要将它转换为数据
# 用 1 来表示“好”， “是”， “高” 这 3 个属性，用 0 来表示“坏”， “否”， “低”
data[data == u"好"] = 1
data[data == u"是"] = 1
data[data == u"高"] = 1
data[data != 1] = 0
print "data_2: \n", data
print data.dtypes

x = data.iloc[:, : 3].as_matrix().astype(int)    # astype 函数将数