from keras.models import Sequential #按顺序建立 模型
from keras.layers import Dense #Dense 全连接层 ; Activation 激活函数层
from sklearn.model_selection import GridSearchCV#参数调试函数
from keras.wrappers.scikit_learn import KerasClassifier#分类函数
import numpy as np
import time,datetime
a=datetime.datetime.now()
# 构建模型
def create_model(optimizer='adam', init='glorot_uniform'):
model = Sequential()#构建顺序模型
model.add(Dense(units=12, kernel_initializer=init, input_dim=8, activation='relu'))#输入层8个节点，隐藏层12个，激活函数relu
model.add(Dense(units=8, kernel_initializer=init, activation='relu'))#隐藏层8个，激活函数relu
model.add(Dense(units=1, kernel_initializer=init, activation='sigmoid'))#输出层1个，激活函数sigmoid
# 编译模型
model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])
return model
seed = 7
np.random.seed(seed)# 设定随机数种子
# 导入数据
dataset = np.loadtxt('D:\example\Keras\pima-indians-diabetes.csv', delimiter=',')
# 分割输入x和输出Y，X是已知X，Y是标准答案
x = dataset[:, 0 : 8]#取二维数组中第1（m）维到7维（第n-1维）的所有数据，相当于取第1（m）列到第七（n-1）列的所有数据
Y = dataset[:, 8]#取二维数组中第9维的所有数据，相当于取第9列的所有数据
#创建模型 for scikit-learn
model = KerasClassifier(build_fn=create_model, verbose=0)
gamblerofdestinyR14
发布了38 篇原创文章 · 获赞 1 · 访问量 732
私信
关注