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 = 0.1 x + 0.2 y=0.1x+0.2 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 w=0.10525197,b=0.19923957 w=0.10525197,b=0.19923957,和实际的 w , b w,b 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!