基础|认识机器学习中的逻辑回归、决策树、神经网络算法

3.model

from keras.model import Sequential

model = keras.models.Sequential() 初始化一个神经收集

model.add(......)#add办法进行组装

4.layers

该模块重要负责为神经收集附加损掉函数，即目标函

包：keras.layers

该模块重要用于生成神经收集层，包含多种类型，如Core layers、Convolutional layers等

from keras.layers import Dense

model.add(Dense(input_dim=3,output_dim=5)#参加隐蔽层

包：keras.initializations

该模块重要负责对模型参数（权重）进行初始化，初始化办法包含：uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal等

model.add(Dense(input_dim=3,output_dim=5,init='uniform')) #参加带初始化（uniform）的隐含层

6.Activations

包：keras.activations、keras.layers.advanced_activations（新激活函数）

5.Initializations

该模块重要负责为神经层附加激活函数，如linear、sigmoid、hard_sigmoid、tanh、softplus、relu、 softplus以及LeakyReLU等比较新的激活函数

Keras的Sequential模型

Keras的核心数据构造是“模型”，模型是一种组织收集层的方法。Keras中重要的模型是Sequential模型，Sequential是一系列收集层按次序构成的┞坊。你也可以查看函数式模型来进修建立更复杂的模型。

这个定义了用什么情势的误差来竽暌古化，有

Sequential模型如下：

from keras.models import Sequential  
 
model = Sequential()

将一些收集层经由过程.add()堆叠起来，就构成了一个模型：

from keras.layers import Dense, Activation  
 
model.add(Dense(units=64, input_dim=100))  
 
model.add(Activation("relu"))  
 
model.add(Dense(units=10))  
 
model.add(Activation("softmax"))

完成模型的搭建后，我们须要应用.compile()办法来编译模型：

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

from keras.optimizers import SGD  
 
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))

model.fit(x_train, y_train, epochs=5, batch_size=32)

当然，我们也可以手动将一个个batch的数据送入收集中练习，这时刻须要应用：model.train_on_batch(x_batch, y_batch)

随后，我们可以应用一行代码对我们的模型进行评估，看看模型的指标是否知足我们的请求：

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

或者，我们可以应用我们的模型，对新的数据进行猜测：

classes = model.predict(x_test, batch_size=128)

搭建一个问答体系、图像分类模型，或神经图灵机、word2vec词嵌入器就是这么快。支撑深度进修的根本设法主意本就是简单的，如今让我们把它的实现也变的简单起来！

包：keras.models 这是Keras中最重要的一个模块，用于对各个组件进行组装

代码体验

import pandas as pd 
 
#攫取数据 
 
input_file='./sales_data.xls' 
 
data=http://ai.51cto.com/art/201802/pd.read_excel(input_file,index_col='序号') 
 	
			 3/5   首页 上一页 1 2 3 4 5 下一页 尾页	
			

　　推荐阅读
　　程序员，你能真正掌握多少编程技术？
            
            我总能看到一些公司在雇用告白里如许描述他们的岗亭请求：“有丰富的大年夜零开端构建iOS及Android应用的经验;精晓移动及 Web 技巧，包含  Java、HTML5、CSS3、JavaScript 和 AJAX。>>>详细阅读


本文标题：基础|认识机器学习中的逻辑回归、决策树、神经网络算法
地址：http://www.17bianji.com/lsqh/40497.html
 1/2    1