Keras基础自学二（基本模型+手动评估）

 

from keras.models import Sequential#顺序模型
from keras.layers import Dense#Dense 全连接层
from sklearn.model_selection import train_test_split#利用它的函数分割
import numpy as np

seed = 7
# 设定随机数种子
np.random.seed(seed)

# 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

# 分割数据集
x_train, x_validation, Y_train, Y_validation = train_test_split(x, yTrain, test_size=0.2, random_state=seed)
#构建模型
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))#输入层8个节点，隐藏层12个，激活函数relu
model.add(Dense(8, activation='relu'))#隐藏层8个，激活函数relu
model.add(Dense(1, activation='sigmoid'))#输出层1个，激活函数sigmoid
# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# 训练模型
model.fit(x_train, Y_train, validation_data=(x_validation, Y_validation), epochs=5, batch_size=10)