Keras實踐：實現非線性回歸

代碼

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

import keras
import numpy as np
import matplotlib.pyplot as plt
 #順序模型
from keras.models import  Sequential
 #全連接層
from keras.layers import Dense
from keras.optimizers import  SGD

#使用numpy生成100個隨機點
x_data = np.linspace(-0.5,0.5,200)
noise = np.random.normal(0,0.01,x_data.shape)
y_data = np.square(x_data)+noise


#顯示隨機點
plt.scatter(x_data,y_data)
plt.show()


#構建一個順序模型
model = Sequential()
#在模型中添加一個全連接層
model.add(Dense(units=10,input_dim=1,activation=‘tanh‘))
#NOTE:input_dim=10可以省略，Keras默認會賦予正確值
model.add(Dense(units=1,input_dim=10,activation=‘tanh‘))

#提高學習率
sgd = SGD(lr=0.3)
model.compile(optimizer=sgd,loss=‘mse‘)



for step in range(3001):
    #每次訓練一個批次
    cost = model.train_on_batch(x_data,y_data)
    #每500次打印一下cost值
    if step %500 ==0:
        print("COST",cost)


# x_data輸入網絡中，得到預測值
y_pred = model.predict(x_data)

#顯示隨機點
plt.scatter(x_data,y_data)
plt.plot(x_data,y_pred,‘r-‘,3)
plt.show()

　　擬合效果如下：

Keras實踐：實現非線性回歸