import numpy as np
from keras import Sequential
from keras.layers import Dense
# 定义网络结构
layer_1=Dense(units=3,activation='sigmoid')
layer_2=Dense(units=1,activation='sigmoid')
# 定义一个两层神经网络模型
model=Sequential([layer_1,layer_2])
# 训练数据
x=np.array([[200.0,17.0],
[120.0,5.0],
[425.0,20.0],
[212.0,18.0]])
y=np.array([1,0,0,1])
# 测试数据
x_new=np.array([[300.0,16.0],
[110.0,15.0],
[225.0,10.0],
[112.0,28.0]])
# 定义loss函数、优化方法、评估标准
model.compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
# 训练模型
model.fit(x,y)
# 测试数据所得结果
y_new=model.predict(x_new)
# 转换成one-hot编码形式
yhat=[]
print(y_new)
for i in range(len(y_new)):
if y_new[i][0]>=0.5:
yhat.insert(i,1)
else:
yhat.insert(i,0)
print(yhat)
Building a neural network architecture
最新推荐文章于 2024-07-04 16:04:39 发布