Keras基础自学一（基本模型+自动评估）

Keras容易入门，比起tensorflow和PyTorch

虽然容易上手，但还是有些不太容易理解，建议学的时候多看书和视频，慢慢理解

from keras.models import Sequential#顺序模型
from keras.layers import Dense #Dense,表示全连接层
from keras.layers import Dropout#放弃层
import numpy as np
# 设定随机数种子
np.random.seed(7)

# 导入数据
dataset = np.loadtxt('D:\example\Keras\pima-indians-diabetes.csv', delimiter=',')
# 分割输入x和输出Y，X是已知X，Y是标准答案
x = dataset[:, 0 : 8]#取二维数组中第1（m）维到7维（第n-1维）的所有数据，相当于取第1（m）列到第七（n-1）列的所有数据
yTrain = dataset[:, 8]#取二维数组中第9维的所有数据，相当于取第9列的所有数据

# 创建模型
model = Sequential()#顺序模型,是多个网络层的线性堆叠
model.add(Dense(units=12, input_dim=8, activation='relu'))#输入节点8个，激活函数relu，隐#藏层12个
model.add(Dense(units=8, activation='relu'))#隐藏层8个，激活函数relu
model.add(Dense(units=1, activation='sigmoid'))#隐藏层1个，激活函数sigmoid
model.add(Dropout(rate=0.2))#在放弃层，放弃率20%
# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型 ,validation_spli自动评估模型
model.fit(x=x, y=yTrain, epochs=5, batch_size=10,validation_split=0.2)#epoch 循环次数，150太大了，改成15，batch_size处理大小

# 评估模型
scores = model.evaluate(x=x, y=yTrain)
print('\n%s : %.2f%%' % (model.metrics_names[1], scores[1]*100))

 

其中pima-indians-diabetes.csv的下载地址如下

链接：https://pan.baidu.com/s/1DsVb4LQXYYWyS9JQI8WW6g 
提取码：118j