基于Keras机器学习库的分类预测

    在前面的博文中，我们分享了《基于scikit-learn机器学习库的分类预测》，本文将分享Keras机器学习库的分类预测。    

    一旦你在Keras中选择好机器学习模型，就可以用它来预测新的数据实例。初学者经常会有这样的疑问：

如何在Keras中用我自己的模型进行预测？

在本教程中，你将会发现如何在Keras Python库的机器学习模型进行分类和回归预测。文章结构如下：

1.如何构建一个模型，为预测做好准备。

2.如何在Keras库中进行类别和概率预测。

3.如何在Keras库中进行回归预测。

一、构建一个模型

在进行预测之前，你必须训练一个最终模型。你可以使用k-fold交叉验证或训练/测试数据，对模型进行训练。这样做的目的就是为了评估模型在样本外数据上的表现及其性能，比如新的数据。

你可以在这里了解更多关于如何训练最终模型