原文链接:/?p=23250
原文出处:拓端数据部落公众号
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
生成样本数据集建立模型训练模型并检查准确性预测测试数据源代码列表
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 )points( a )points( b )points( y )
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))y = as.matrix(y)
建立模型
接下来,我们将创建一个keras序列模型。
loss = "mse",optimizer = "adam", metrics = list("mean_absolute_error")
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)print(scores)
接下来,我们将预测x数据,并在图中与原始y值进行比较。
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)predict(test_x)
最后,我们将绘制原始测试数据的Y值和预测值。
plot(x, test_y)lines(x, y_pred)
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。
最受欢迎的见解
1.r语言用神经网络改进nelson-siegel模型拟合收益率曲线分析
2.r语言实现拟合神经网络预测和结果可视化
3.python用遗传算法-神经网络-模糊逻辑控制算法对乐透分析
4.用于nlp的python:使用keras的多标签文本lstm神经网络分类
5.用r语言实现神经网络预测股票实例
6.R语言基于Keras的小数据集深度学习图像分类
7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译
8.python中基于网格搜索算法优化的深度学习模型分析糖
9.matlab使用贝叶斯优化的深度学习