编译并拟合模型

Python 深度学习入门

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

为何需要编译模型

指定优化器
- 选项多且数学复杂
- 通常选用 "Adam"
损失函数
- 回归常用 "mean_squared_error"

编译模型

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')

什么是拟合模型

用你的数据执行反向传播与梯度下降以更新权重
拟合前先缩放数据可便于优化

拟合模型

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(predictors, target)

开始练习！

Python 深度学习入门