使用Keras模块搭建一个简单的神经网络模型_调用keras生成模型

  免责声明：接触Keras的时间并不长，本文主要用于记录在搭建第一个神经网络模型过程中遇到的问题，以及自己的一些感触，仅适合新手对Keras有一个初步的认识，以及提供一个上手的测试方法，在进行测试之前请事先安装好所需要的python环境以及相应模块。

--需要模块

matplotlib：用来画图的，可以直接在终端中使用 pip install matplotlib安装，或者在设置-项目-解释器中搜索安装

tensorflow：本次的内容主题，可以在tensorflow官网中安装，也可以直接参考这篇文章http://t.csdn.cn/NqsoWhttp://t.csdn.cn/NqsoW

在安装完成之后可以输出tensorflow的版本号测试是否安装成功

import tensorflow as tf
print(tf.__version__)

sklearn：sklearn模块用的不多，在这里我们只会用到  train_test_split（训练测试分离模块）

--Begin

首先我们需要获取神经网络需要的数据集，为了方便理解，我们这里以

为例

----获取测试样本

start = -1000
stop = 1000
step = 1
x = [x / 10 for x in range(start * 10, stop * 10, step)]
y = [6*i-4 for i in x]
'
运行
运行

注意：样本的取值要具有标记性，而且要全面，如果想预测函数关系，要把正数、负数、小数全都涉及到。 

简单画个图：

plt.plot(x,y)
plt.xlabel('x')
plt.ylabel('y')

众所周知，训练神经网络需要有训练集和测试集，所以我们需要将这1000个样本进行划分，这时候就需要用到sklearn中的train_test_split模块来划分数据集了 ，train_test_split可以参考这个http://t.csdn.cn/Uhty5http://t.csdn.cn/Uhty5

换成人话就是你 给了这个函数训练集、分割比、随机数种子，这个函数就能够返回分割后的训练集和测试集。

from sklearn.model_selection import train_test_split
train_x,val_x,train_y,val_y = train_test_split(x,y,test_size =0.2,random_state = 42)