Building a neural network architecture

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)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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