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。

由Kaizong Ye,Coin Ge撰写

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。

生成样本数据集

首先,本教程的样本回归序列数据集。

红线是y输出,其余的点是x输入的序列。


视频

CNN(卷积神经网络)模型以及R语言实现

探索见解

我们需要将x输入数据转换成矩阵类型。

建立模型

接下来,我们将创建一个keras序列模型。

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。


使用Python中Keras的LSTM递归神经网络进行时间序列预测

阅读文章


最后,我们将绘制原始测试数据的Y值和预测值。


随时关注您喜欢的主题


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。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498