【小白学习keras教程】一、基于波士顿住房数据集训练简单的MLP回归模型
【摘要】 @Author:Runsen
多层感知机(MLP)有着非常悠久的历史,多层感知机(MLP)是深度神经网络(DNN)的基础算法
MLP基础知识
目的:创建用于简单回归/分类任务的常规神经网络(即多层感知器)和Keras
MLP结构
每个MLP模型由一个输入层、几个隐藏层和一个输出层组成
每层神经元的数目不受限制
具有一个隐藏层的MLP ...
@Author:Runsen
多层感知机(MLP)有着非常悠久的历史,多层感知机(MLP)是深度神经网络(DNN)的基础算法
MLP基础知识
- 目的:创建用于简单回归/分类任务的常规神经网络(即多层感知器)和Keras
MLP结构
- 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成
- 每层神经元的数目不受限制
回归任务的MLP
- 当目标(y)连续时
- 对于损失函数和评估指标,通常使用均方误差(MSE)
from tensorflow.keras.datasets import boston_housing
(X_train, y_train)
- 1
文章来源: maoli.blog.csdn.net,作者:刘润森!,版权归原作者所有,如需转载,请联系作者。
原文链接:maoli.blog.csdn.net/article/details/118709900
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)