原文链接：http://tecdat.cn/?p=23573
我们可以很容易地用Keras序列模型拟合回归数据并预测测试数据。 在这篇文章中，我们将简要地学习如何用Python中的Keras神经网络API拟合回归数据。我们将用Keras回归和序列模型本身这两种方法检查模型。该教程涵盖了以下内容。
- 准备数据
- 定义模型
- 用KerasRegressor进行拟合（准确度检查和结果的可视化）
- 用序列模型进行拟合（准确度检查和结果可视化）。
我们将从加载所需的模块开始。
from keras.models import Sequential准备数据
首先，我们将为本教程创建一个回归数据集样本。
x_ax = range(N)
plt.plot(x_ax, x, 'o')
plt.plot(x_ax, y, lw=1.5, color=c)
plt.legend()
红线是y输出，其余的点是x输入的特征。
定义模型
接下来，我们将建立一个keras序列模型。
def Model():
model = Sequential()
model.add(Dense(128, input_dim=3,activation='relu'))
....
return model
Model()
用Keras回归模型拟合
我们将上述模型纳入Keras回归模型中，用x和y的数据拟合模型。然后，我们可以预测x数据。
regressor.fit(x,y)
regressor.predict(x)
我们检查平均平方误差率
``````
mean\_squared\_error(y, y_pred)
最后，我们绘制结果。
plt.plot(y)
plt.plot(y_pred)
keras序列模型进行拟合
这一次，我们将在没有封装类的情况下拟合模型。
fit(x, y, nb_epoch=100)
model.predict(x)我们检查一个平均平方误差率。
mean\_squared\_error(y, y_krm)最后，我们绘制结果。
在本教程中，我们已经简单地学习了如何用Python中的Keras神经网络模型来拟合和预测回归数据。谢谢您的阅读!
最受欢迎的见解
1.r语言用神经网络改进nelson-siegel模型拟合收益率曲线分析
3.python用遗传算法-神经网络-模糊逻辑控制算法对乐透分析
4.用于nlp的python：使用keras的多标签文本lstm神经网络分类
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。