Keras【Deep Learning With Python】实现线性回归模型

1 keras-Dense层

Dense层就是所谓的全连接神经网络层
以下给出Dense方法的使用示例：

keras.layers.Dense(512, activation= 'sigmoid', input_dim= 2, use_bias= True)

这里定义了一个有512个节点，使用sigmoid激活函数的神经层，注意定义第一层的时候需要制定数据输入的形状，即input_dim，这样才能让数据正常喂进网络！

use_bias:
是否添加偏置项

2 batch epoch step

· 批量梯度下降。批量大小=训练集的大小

· 随机梯度下降。批量大小= 1

· 小批量梯度下降。1 <批量大小<训练集的大小

3 keras实现线性回归

import keras
from keras import layers
import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(0,100,30)
y=3*x+7+np.random.randn(30)


#plt.show()
#y=ax+b

model=keras.Sequential()#shunxu model
model.add(layers.Dense(1,input_dim=1))
print(model.summary())

model.compile(optimizer='adam',
              loss='mse'
)

model.fit(x,y,epochs=5000)
plt.scatter(x,y,c='r')
plt.plot(x,model.predict(x))
plt.show()

print(model.predict([150]))