library(keras)
生成样本数据集
首先,本教程的样本回归时间序列数据集。
plot( c )
points( a )
points( b )
points( y )
01
02
03
04
红线是y输出,其余的点是x输入的序列。
我们需要将x输入数据转换成矩阵类型。
x = as.matrix(data.frame(a,b,c))
y = as.matrix(y)
建立模型
接下来,我们将创建一个keras序列模型。
loss = "mse",
optimizer = "adam",
metrics = list("mean_absolute_error")
训练模型和检查准确性
接下来,我们将用x、y数据来拟合模型,并检查其准确性。
evaluate(x, y, verbose = 0)
print(scores)
接下来,我们将预测x数据,并在图中与原始y值进行比较。
plot(x, y)
预测测试数据
接下来,我们将把数据集分成训练和测试两部分,再次训练模型,预测测试数据。
fit(train_x,train_y)
predict(test_x)
最后,我们将绘制原始测试数据的Y值和预测值。
plot(x, test_y)
lines(x, y_pred)
在本教程中,我们已经简单了解了如何在R中用keras神经网络模型拟合回归数据。