Keras基础自学四（ sklearn交叉验证）

from keras.models import Sequential
from keras.layers import Dense
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import StratifiedKFold
from keras.wrappers.scikit_learn import KerasClassifier

# 构建模型
def create_model():
    # 构建模型
    model = Sequential()#顺序模型
    model.add(Dense(units=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(units=8, activation='relu'))#隐藏层8个，激活函数relu
    model.add(Dense(units=1, activation='sigmoid'))#输出层1个，激活函数sigmoid
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # 编译模型
    return model

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

# 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
Y = 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 for scikit-learn
model = KerasClassifier(build_fn=create_model, epochs=15, batch_size=10, verbose=0)

# 10折交叉验证
kfold = StratifiedKFold(n_splits=10, shuffle=True, random_state=seed)
results = cross_val_score(model, x, Y, cv=kfold)
print(results.mean())
'''
verbose = 0 为不在标准输出流输出日志信息
'''