Keras基础自学六(参数调试)

from keras.models import Sequential #按顺序建立 模型
from keras.layers import Dense #Dense 全连接层 ; Activation 激活函数层
from sklearn.model_selection import GridSearchCV#参数调试函数
from keras.wrappers.scikit_learn import KerasClassifier#分类函数
import numpy as np
import time,datetime
a=datetime.datetime.now()

# 构建模型
def create_model(optimizer='adam', init='glorot_uniform'):
    model = Sequential()#构建顺序模型
    model.add(Dense(units=12, kernel_initializer=init, 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, kernel_initializer=init, activation='relu'))#隐藏层8个,激活函数relu
    model.add(Dense(units=1, kernel_initializer=init, activation='sigmoid'))#输出层1个,激活函数sigmoid
    # 编译模型
    model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])
    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, verbose=0)

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值