手把手教你用Python库Keras做预测(附代码)
当你在Keras中选择好最合适的深度学习模型,就可以用它在新的数据实例上做预测了。但是很多初学者不知道该怎样做好这一点,我经常能看到下面这样的问题: “我应该如何用Keras对我的模型作出预测?” 在本文中,你会学到如何使用Keras这个Python库完成深度学习模型的分类与回归预测。 看完这篇教程,你能掌握以下几点: 如何确定一个模型,为后续的预测做准备 如何用Keras对分类问题进行类及其概率的预测 如何用Keras进行回归预测 现在就让我们开始吧 本文结构 教程共分为三个部分,分别是: 模型确定 分类预测 回归预测 模型确定 在做预测之前,首先得训练出一个最终的模型。你可能选择k折交叉验证或者简单划分训练/测试集的方法来训练模型,这样做的目的是为了合理估计模型在样本集之外数据上的表现(新数据) 当评估完成,这些模型存在的目的也达到了,就可以丢弃他们。接下

