keras与sklearn的结合使用

引言

众所周知,keras目前没有提供交叉验证的功能,我们要向使用交叉验证,就需要与sklearn结合。keras也提供了这样的包装接口。keras.wrappers.scikit_learn
通过这个包里面的KerasClassifier或者KerasRegressor就可以结合。闲话少叙,上代码。

代码


#!/usr/bin/python
# encoding: utf-8

"""
@version: 1.0
@author: Fly Lu
@license: Apache Licence 
@contact: luyfuyu@gmail.com
@site: https://www.flyuuu.cn
@software: PyCharm
@file: sklearn_keras.py
@time: 2017-04-09 9:23
@description: 描述sklearn使用keras
"""
from keras.wrappers.scikit_learn import KerasClassifier
from keras.models import Sequential
from keras.layers import Dense

from sklearn.cross_validation import StratifiedKFold, cross_val_score

import numpy as np


def create_model():

    model = Sequential()
    model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu'))
    model.add(Dense(8, kernel_initializer='uniform', activation='relu'))
    model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

    return model


# 为了让每次的结果都相同
seed = 7
np.random.seed(seed)

# 加载数据
dataset = np.loadtxt('./data/pima-indians-diabetes.csv', delimiter=',')
X = dataset[:, 0:8]
Y = dataset[:, 8]


model = KerasClassifier(build_fn=create_model, epochs=150, batch_size=10)

kfold = StratifiedKFold(Y, n_folds=10, shuffle=True, random_state=seed)

results = cross_val_score(model, X, Y, cv=kfold)

print(np.average(results))
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