keras Hello world

刚开始入门keras，不知道keras未来的重要程度是怎么样的。但是还是学一学吧。

下面是学习keras的入门，相当于hello world级别。

#coding=utf-8
__author__ = 'zhangxiaozi'


from sklearn import datasets
import numpy as np
from sklearn.cross_validation import train_test_split
from sklearn.linear_model import LogisticRegressionCV



iris=datasets.load_iris()   #得到一个字典对象，可以通过输出，以及keys,values来测试词典内容

print (type(iris))      #<class 'sklearn.utils.Bunch'>

print (iris.keys())
#dict_keys(['target', 'DESCR', 'target_names', 'feature_names', 'data'])

X=iris['data']
Y=iris['target']
print (X.shape)


#下面可以用X和Y来分类

train_X, test_X, train_Y, test_Y = train_test_split(X, Y, train_size=0.5, random_state=1)
#train_size表示训练集测试集按1:1划分
#random_state是随机数种子，为了重复试验时，划分结果是一样的，为0或不填，每次都不一样
#http://blog.csdn.net/zahuopuboss/article/details/54948181


print(train_X.shape)


LR=LogisticRegressionCV()    #训练模型，CV表示使用了交叉验证来选择正则化系数C
LR.fit(train_X,train_Y)
#print (LR.score(test_X,test_Y))
print("Accuracy = {:.4f}".format(LR.score(test_X,test_Y)))



'''下面使用keras，神经网络进行分类，看准确你是否有提高'''


from keras.models import Sequential
from keras.layers.core import Dense,Activation
from keras.utils import np_utils

model=Sequential()
model.add(Dense(16,input_shape=(4,)))
model.add(Activation('sigmoid'))

model.add(Dense(16))
model.add(Activation('sigmoid'))

model.add(Dense(1))
model.add(Activation('softmax'))

model.compile(optimizer='rmsprop',loss='mse',metrics=['accuracy'])

model.fit(train_X,train_Y,epochs=100,batch_size=10,verbose=0)

loss,accuracy=model.evaluate(test_X,test_Y,verbose=0)

print(accuracy)

全连接网络的结果很是让我吃惊，只有百分之三十几......应该哪里出了问题。