Keras 线性回归

2019独角兽企业重金招聘Python工程师标准>>>

import keras
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
#维度是100 返回值为指定维度的array
x_data=np.random.rand(100)
x_data_test=np.random.rand(2,2)
print(type(x_data))
noise=np.random.normal(0,0.01,x_data.shape)
print(type(noise))
y_data=x_data*0.1+0.2+noise
plt.scatter(x_data,y_data)
#plt.show()

#构建一个顺序模型
model=Sequential()
#在模型中添加一个全连接层
model.add(Dense(units=1,input_dim=1))
#变异
model.compile(optimizer='sgd',loss='mse')
for step in range(3001):
    # 每次训练一个批次
    print('setp',step)
    cost=model.train_on_batch(x_data,y_data)
    if step % 500 == 0:
        print("cost:",cost)
W,b=model.layers[0].get_weights()
print('W',W,'b',b)
#x_data 输入网络中 得到预测值 y_pred
y_pred=model.predict(x_data)
#显示随机点
plt.scatter(x_data,y_data)
plt.plot(x_data,y_pred,'r-',lw=3)
#显示预测结果
plt.show()

 

转载于:https://my.oschina.net/payzheng/blog/1631133