第一步:加载需要的库 from keras.models import Sequential from keras.layers import Dense import numpy as np import pandas as pd np.random.seed(7) 第二步:加载数据 #load data dataset = np.loadtxt('D:/pima-indians-diabetes.csv',delimiter=',') X = dataset[:,0:8] Y = dataset[:,8] 第三步:建立模型 8个输入变量,第一层神经元12个,第二层10个神经元,输出层1个神经元。 这些神经元的数量如何确定,如果有20层网络,那每层多少个神经元?试错感觉不是好的方法,不知道如何设定? #creat model model = Sequential() model.add(Dense(12,input_dim=8,activation='relu')) model.add(Dense(10,activation='relu')) model.add(Dense(1,activation='sigmoid')) 第四部:编译模型 #Compile model model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy']) 第五部:训练模型 #fit model model.fit(X,Y,epochs=150,batch_size=10) 第六步:评估模型 #evaluate the model scores = model.evaluate(X,Y) print(model.metrics_names[1],scores[1]*100) 第七步:预测应用 #calculate predictions #predictions = model.predict(X) #round predictions #rounded = [round(x[0]) for x in predictions] #print(predictions) 难点:如果有20层的神经网络,每一层的神经元如何设定,很多做图像识别的有120层,就更加不知道怎么设置这个神经元的问题了。继续学习,如果知道了,就贴出来。 |
|