keras_非线性回归

keras是tensorflow里的高阶API库，几行代码就可以构建一个神经网络。

可以利用keras做非线性回归。

生成一组数据

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-10,10,100)
y=x**2+np.random.rand(100)*10
fig1,ax1=plt.subplots()
ax1.scatter(x,y)
plt.show()

完整程序：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#生成试验数据
x=np.linspace(-10,10,100)  
x=tf.convert_to_tensor(x)
y=x**2+np.random.rand(100)*10

#建立模型
#设置层
model=tf.keras.Sequential([
    #1-2层，输入层一个神经元，隐层100个神经元，激活函数sigmoid
    tf.keras.layers.Dense(100,activation='sigmoid',input_dim=1),
    tf.keras.layers.Dense(1)#3层，输出层一个神经元，输出一个数
])
#编译模型
ssgd=tf.keras.optimizers.SGD(lr=0.005)#设置学习率0.005
#损失函数设为：mse(均方误差)，优化器设为：SGD(梯度下降)
model.compile(loss='mse',optimizer=ssgd)
#训练模型
model.fit(x,y,epochs=2000)#迭代2000次
print('训练结束')
#绘图
a=model.predict(x)
fig1,ax1=plt.subplots()
ax1.scatter(x,y)
fig,ax=plt.subplots()
ax.scatter(x,y)
ax.plot(x,a,'r')
plt.show()