Keras类库为深度学习模型提供了一个包装库Wrapper,将Keras的深度学习模型包装成Scikit-Learn中的分类模型或回归模型,以便于方便使用Scikit-Learn中的方法和函数,对深度学习模型的包装是通过KerasClassifier(用于分类模型)和KerasRegressor(用于回归模型)来实现的
使用交叉验证评估模型
KerasClassifier和KerasRegressor类使用参数build_fn,指定用来创建模型的函数的名称,因此必须定义一个函数并通过函数来定义深度学习的模型,编译并返回它
设置epochs参数为150 和batch_size参数为10,并传递这两个参数给KerasClassifier实例,参数将自动绑定并传递给由KerasClassifier类内部调用的fit()函数
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import StratifiedKFold
from keras.wrappers.scikit_learn import KerasClassifier
#构建模型
def create_model():
#构建模型
model = Sequential()
model.add(Dense(units=12,input_dim=8,activation='relu'))
model.add(Dense(units=8,activation='relu'))
model.add(Dense(units=1,activation='sigmoid'))
#编译模型
model.compile(loss='binary_crossentropy'