拓端tecdat|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

原文链接：http://tecdat.cn/?p=23250

原文出处：拓端数据部落公众号

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。

1.  
    
2.  
   plot( c )
3.  
   points( a )
4.  
   points( b )
5.  
   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。

1.  
   x = as.matrix(data.frame(a,b,c))
2.  
   y = as.matrix(y)

建立模型

接下来，我们将创建一个keras序列模型。

1.  
   loss = "mse",
2.  
   optimizer = "adam",
3.  
   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。

1.  
   evaluate(x, y, verbose = 0)
2.  
   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。

1.  
   fit(train_x,train_y)
2.  
   predict(test_x)

最后，我们将绘制原始测试数据的Y值和预测值。

1.  
   plot(x, test_y)
2.  
   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。 

---

最受欢迎的见解

1.r语言用神经网络改进nelson-siegel模型拟合收益率曲线分析

2.r语言实现拟合神经网络预测和结果可视化

3.python用遗传算法-神经网络-模糊逻辑控制算法对乐透分析

4.用于nlp的python：使用keras的多标签文本lstm神经网络分类

5.用r语言实现神经网络预测股票实例

6.R语言基于Keras的小数据集深度学习图像分类

7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译

8.python中基于网格搜索算法优化的深度学习模型分析糖

9.matlab使用贝叶斯优化的深度学习