标签:Dense Keras relu add seed import 自学 model sklearn
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import StratifiedKFold
from keras.wrappers.scikit_learn import KerasClassifier
# 构建模型
def create_model():
# 构建模型
model = Sequential()#顺序模型
model.add(Dense(units=12, input_dim=8, activation='relu'))#输入层8个节点,隐藏层12个,激活函数relu
model.add(Dense(units=8, activation='relu'))#隐藏层8个,激活函数relu
model.add(Dense(units=1, activation='sigmoid'))#输出层1个,激活函数sigmoid
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # 编译模型
return model
seed = 7
np.random.seed(seed)# 设定随机数种子
# 导入数据
dataset = np.loadtxt('D:\example\Keras\pima-indians-diabetes.csv', delimiter=',')
# 分割输入x和输出Y,X是已知X,Y是标准答案
x = dataset[:, 0 : 8]#取二维数组中第1(m)维到7维(第n-1维)的所有数据,相当于取第1(m)列到第七(n-1)列的所有数据
Y = dataset[:, 8]#取二维数组中第9维的所有数据,相当于取第9列的所有数据
#创建模型 for scikit-learn
model = KerasClassifier(build_fn=create_model, epochs=15, batch_size=10, verbose=0)
# 10折交叉验证
kfold = StratifiedKFold(n_splits=10, shuffle=True, random_state=seed)
results = cross_val_score(model, x, Y, cv=kfold)
print(results.mean())
'''
verbose = 0 为不在标准输出流输出日志信息
'''
gamblerofdestinyR14 发布了38 篇原创文章 · 获赞 1 · 访问量 734 私信 关注
标签:Dense,Keras,relu,add,seed,import,自学,model,sklearn 来源: https://blog.csdn.net/gamblerofdestinyR14/article/details/104108367
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。