线性回归
程序员文章站
2022-04-17 08:30:36
import kerasimport numpy as npimport matplotlib.pyplot as plt from keras.models import Sequential #按顺序构成的模型 如一层层构成的神经网络from keras.layers import Dense #全连接层#生成数据x = np.random.rand(100)noise = np.random.normal(0,0.01,x.shape) #增加噪声y = x * 0.1 + 0.2...
import keras
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential #按顺序构成的模型 如一层层构成的神经网络
from keras.layers import Dense #全连接层
#生成数据
x = np.random.rand(100)
noise = np.random.normal(0,0.01,x.shape) #增加噪声
y = x * 0.1 + 0.2 + noise
#绘制散点图
plt.scatter(x,y)
plt.show()
#构建顺序模型
model = Sequential()
#在模型中添加一个全连接层 units:输出的维度 input_dim:输入的维度
model.add(Dense(units=1,input_dim = 1))
#optimizer:优化器 默认sgd:随机梯度下降法 loss:损失函数 mse:均方误差
model.compile(optimizer='sgd',loss='mse')
#训练模型
for step in range(3001):
#训练模型不是一次只放入一个数据进行训练的,
#一般每次都是放入一个批次的数据进行训练,用train_on_batch实现
cost = model.train_on_batch(x,y)
if step % 300 == 0:
print('cost:',cost)
#model.layers[0].get_weights 返回某一层的权值和偏置
w,b = model.layers[0].get_weights()
print("w:",w,'b:',b)
y_predict = model.predict(x)
plt.scatter(x,y)
plt.plot(x,y_predict,color='red',lw=3) #plot 绘制折线图 lw:线宽
plt.show()
本文地址:https://blog.csdn.net/qq_38253797/article/details/109629091
上一篇: 使用调制解调器连接两台电脑方法及问题