Keras搭建神经网络BPNN(回归问题)

本文通过Keras构建了用于回归问题的神经网络,对比了使用SGD、RMSprop和Adam优化算法的效果。实验结果显示,不同优化算法在训练和测试集上的均方误差(MSE)有所不同。
摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets,preprocessing
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense
from sklearn.metrics import mean_squared_error

 

import warnings
warnings.filterwarnings('ignore')

#读取数据
dataset = datasets.load_boston()
X,Y = dataset.data,dataset.target

scale_x = preprocessing.MinMaxScaler(feature_range=(0,1))
scale_y = preprocessing.MinMaxScaler(feature_range=(0,1))
x = scale_x.fit_transform(X)
y = scale_y.fit_transform(Y.reshape(-1,1))
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=1)
dim = x.shape[1]

print('--------------------')

评论 2
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