Keras实现序列式模型

Keras中有两类深度学习的模型：序列（Sequential）式模型和函数（Functional）式模型。两种模型的实施步骤基本相同，通常包括以下步骤:
第1步：构造数据：定义输入数据
第2步：构造模型（model.add,或model.layers）:确定各个变量之间的计算关系
第3步：编译模型（model.compile）:编译以确定其内部细节
第4步：训练模型model.fit）:导入数据，训练模型
第5步：评估或测试模型（model.evaluate）
第6步：保存模型

利用Keras架构实现一个传统机器学习算法——线性回归，根据输入数据及目标数据，模拟一个线性函数 y =kx + b ,这里使用一个神经元，神经元中使用 Relu 作为激活函数，代码如下：

代码：

#第1步：导入所需库，构造数据
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt

#构造数据
X = np.linspace(-2 , 2 , 200)
np.random.shuffle(X)      #打乱原来数据的顺序

#添加一些噪音数据
Y = 0.5 * X + 2 + np.random.normal(0 , 0.05 , (200 , ))

#显示输入数据
plt.scatter(X , Y)
plt.show()

#把200份数据划分为训练数据、测试数据
X_train,Y_train = X[:160]