Tensorflow Keras 顺序 Model

Question

我有一年地球温度变化的数据集-

2019 1.1
2020 0.45
2017 0.34

数据集看起来像这样，我想创建一个神经网络，我们可以将年份作为输入，它将 output 温度。 谁能帮助我如何为此创建一个顺序神经网络？

Answer 1

在构建 model 之前，确定问题的某些特征很重要。 首先，您应该确定您的任务的性质。 在你的情况下，这是回归。 识别任务有助于您构建 model 的结构。 接下来，您要识别数据的特征（输入）和标签（输出）。 了解这些特征有助于您确定 model 的输入层的形状。 对于您的问题，这只是一年。 您的数据的形状可能是 (num_years,) 形状的数组。 output 也是如此，这是温度。 现在您已经确定了功能和标签，您可以轻松查看您需要哪种类型的 model。 在您的情况下，它将是一个回归 model 参数很少。 您的 model 不需要太多参数，因为您的问题的整体复杂性并不高。 过多的参数会导致过度拟合，您的 model 开始学习特征中的噪声。 下面是适合您任务的 model 的基本表示。

import tensorflow as tf
from tensorflow.keras.models import Sequential
import tensorflow.keras.layers as layers

model = Sequential()
model.add(layers.Dense(16, activation='relu', input_shape=(1,)))
model.add(layers.Dense(1, activation='linear'))

model 的第一层是一个密集层，有 16 个单元，“relu”激活，输入形状为 (1,)。 输入形状指定特征的形状。 这 16 个单元告诉 model 到 output 该层的 16 个数字。 “relu”激活是激活 function，它将根据 f(x)=max(x, 0) 接收 16 个数字和 output 值。 请注意，这个简单网络中的最后一层是一个有 1 个单元的密集层。 这告诉您的 model 到 output 每个输入一个数字。 activation='linear'告诉密集层根据 f(x)=x 返回该单元的 output，即它本身。