原文链接:http:///?p=23250回归数据可以用Keras深度学习API轻松拟合。在本教程中,我们将简要地学习如何通过使用R中的Keras神经网络模型来拟合和预测回归数据。在这里,我们将看到如何创建简单的回归数据,建立模型,训练它,并最终预测输入数据。该教程包括
我们将从加载R的Keras库开始。 library(keras) 生成样本数据集首先,本教程的样本回归时间序列数据集。 plot( c ) 红线是y输出,其余的点是x输入的序列。 我们需要将x输入数据转换成矩阵类型。 x = as.matrix(data.frame(a,b,c)) 建立模型接下来,我们将创建一个keras序列模型。 loss = "mse", 训练模型和检查准确性接下来,我们将用x、y数据来拟合模型,并检查其准确性。 evaluate(x, y, verbose = 0)
plot(x, y) 预测测试数据接下来,我们将把数据集分成训练和测试两部分,再次训练模型,预测测试数据。 fit(train\_x,train\_y) 最后,我们将绘制原始测试数据的Y值和预测值。 plot(x, test_y) 在本教程中,我们已经简单了解了如何在R中用keras神经网络模型拟合回归数据。 |
|