R语言深度学习:用keras神经网络回归模型预测时间序列数据

简介: R语言深度学习:用keras神经网络回归模型预测时间序列数据

回归数据可以用Keras深度学习API轻松拟合。在本教程中,我们将简要地学习如何通过使用R中的Keras神经网络模型来拟合和预测回归数据。在这里,我们将看到如何创建简单的回归数据,建立模型,训练它,并最终预测输入数据。该教程包括

  • 生成样本数据集
  • 建立模型
  • 训练模型并检查准确性
  • 预测测试数据
  • 源代码列表

我们将从加载R的Keras库开始。

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 )

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。


相关文章
|
5天前
|
机器学习/深度学习 数据可视化 PyTorch
使用Python实现深度学习模型:生成对抗网络(GAN)
使用Python实现深度学习模型:生成对抗网络(GAN)
20 3
|
6天前
|
Linux 开发工具
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
9 0
|
6天前
|
机器学习/深度学习 自然语言处理 网络安全
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
7 1
|
6天前
|
机器学习/深度学习 数据可视化 算法
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
|
6天前
|
机器学习/深度学习 算法 PyTorch
python手把手搭建图像多分类神经网络-代码教程(手动搭建残差网络、mobileNET)
python手把手搭建图像多分类神经网络-代码教程(手动搭建残差网络、mobileNET)
56 0
|
7月前
|
机器学习/深度学习 监控 算法
【tensorflow】连续输入的神经网络模型训练代码
【tensorflow】连续输入的神经网络模型训练代码
|
9月前
|
机器学习/深度学习 算法 数据挖掘
|
7月前
|
机器学习/深度学习 存储 自然语言处理
|
6天前
|
机器学习/深度学习 存储 算法
【轻量化:实操】动手实现神经网络中的裁枝操作(附演示代码&yolo系列)
【轻量化:实操】动手实现神经网络中的裁枝操作(附演示代码&yolo系列)
99 1
|
6天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入理解循环神经网络(RNN):案例和代码详解
深入理解循环神经网络(RNN):案例和代码详解
294 0