Keras线性回归示例

Keras—线性回归

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

线性回归示例

1.导入相关库并模拟数据

import keras
import numpy as np
import matplotlib.pyplot as plt
# Sequential是顺序模型
from keras.models import Sequential
# Dense是全连接层
from keras.layers import Dense

# 使用numpy 生成100个随机点
x_data = np.random.rand(100)
noise = np.random.normal(0, 0.01, x_data.shape)
y_data = x_data*0.1 + 0.2 + noise

# 显示随机点
plt.scatter(x_data, y_data)
plt.show()

到这儿我们用numpy模拟了一些三点如下图所示，模拟的直线大致为$y=0.1x+0.2$，我们的目标是通过keras模拟出一条直线去拟合这些点。

2.开始构建模型并训练

# 构建顺序模型
model = Sequential()
# 在模型中添加一个全连接层
model.add(Dense(units = 1, input_dim = 1))
# mse: 均方误差,
model.compile(optimizer = 'sgd', loss = 'mse')

# 迭代10000次
for step in range(1,10001):
    # 每次训练一个批次
    cost = model.train_on_batch(x_data, y_data)
    # 每500个batch打印一次cost值
    if step % 500 == 0:
        print('cost', cost)
        
# 打印权值和偏置值, 这里只设置了一层
W, b = model.layers[0].get_weights()
print('W: ', W, ' b: ', b)

这里可以得到输出结果为：

cost : 0.003621475
cost : 0.0011793692
cost : 0.00043442764
cost : 0.00020718972
cost : 0.0001378724
cost : 0.00011672754
cost : 0.0001102775
cost : 0.00010830999
cost : 0.000107709806
cost : 0.000107526714
cost : 0.00010747092
cost : 0.000107453874
cost : 0.00010744869
cost : 0.00010744709
cost : 0.00010744662
cost : 0.000107446474
cost : 0.000107446416
cost : 0.000107446416
cost : 0.00010744638
cost : 0.000107446416
w : [[0.10525197]]  b : [0.19923957]

我们通过训练得到了$w=0.10525197,b=0.19923957$，和实际的$w,b$值也比较接近。

3.画出直线

# 使用predict方法得到预测的y值
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)
plt.show()

最终可以得到下面这条直线：

谢谢观看！