keras多層感知機MLP

肯定有人要說什麼多層感知機，不就是幾個隱藏層連線在一起的嗎。話是這麼說，但是我覺得我們首先要自己承認自己高階，不然怎麼去說服（hu nong）別人呢

from keras.models import

sequential
from keras.layers import
dense
import
numpy as np
#設定隨機種子，使得每次結果都是一致的
np.random.seed(7)
import
pandas as pd
dataframe = pd.read_csv("
e:/資料集/pimaindians.csv")
print
(dataframe.head())
print
(dataframe.keys())
#匯入資料
#dataset = np.loadtxt("e:/資料集/pimaindians.csv",delimiter=",")
#分割輸入變數和輸出變數
#選擇前8列作為輸入，最有一列作為輸出
x = dataframe.ix[:,list(range(8))]
y = dataframe.ix[:,[8]]
print
(x.head())
print
(y.head())
#將其轉換成np陣列，以輸入到keras模型中去
x =x.values
y=y.values
print
(type(x),x.shape)
#建立模型
model =sequential()
#新增幾個隱藏層
model.add(dense(12,input_dim=8,activation='
relu'))
model.add(dense(8,activation='
relu'))
model.add(dense(1,activation='
sigmoid'))
#編譯模型
model.compile(loss='
binary_crossentropy
',optimizer='
adam
',metrics=['
accuracy'])
#訓練模型
model.fit(x=x,y=y,epochs=150,batch_size=10,validation_split=0.2)
#評估模型
scores=model.evaluate(x=x,y=y)
print('
\n%s:%.2f%%
'%(model.metrics_names[1],scores[1]*100))

畫幾個知識點：

1、pandans按列切片：

#

分割輸入變數和輸出變數
#選擇前8列作為輸入，最有一列作為輸出
x = dataframe.ix[:,list(range(8))]
y = dataframe.ix[:,[8]]

#

將其轉換成np陣列，以輸入到keras模型中去
x =x.values
y=y.values

#

訓練模型
model.fit(x=x,y=y,epochs=150,batch_size=10,validation_split=0.2)

多層感知機MLP

關於感知機 1.什麼是感知機 perceptron 感知機是最簡單的神經網路，具備神經網路的必備要素。感知機也稱為感知器，是一種雙層神經網路，即只有輸入層和輸出層而沒有隱層的神經網路。感知機是一種二類分類的線性分類器，其輸入為例項的特徵向量，輸出為例項的類別，感知機屬於判別模型，旨在求出將訓練資料進...

MLP 多層感知機網路

反向傳播神經網路是對非線性可微分函式進行權值訓練的多層網路，是前向神經網路的一種。比如，乙個三層bpn結構如下 由輸入層 隱含層和輸出層三層組成。其中每一層的單元與之相鄰層的所有單元連線，同一層的單元之間沒有連線。當一對學習樣本提供給網路後，神經元的啟用值從輸入層經各中間層向輸出層傳播，在輸出層的各...

多層感知機（MLP）原理簡介

多層感知機 mlp，multilayer perceptron 也叫人工神經網路 ann，artificial neural network 除了輸入輸出層，它中間可以有多個隱層，最簡單的mlp只含乙個隱層，即三層的結構，如下圖 輸入層沒什麼好說，你輸入什麼就是什麼，比如輸入是乙個n維向量，就有n個...