keras构建前馈神经网络(feedforward neural network)进行回归模型构建和学习
Posted Data+Science+Insight
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了keras构建前馈神经网络(feedforward neural network)进行回归模型构建和学习相关的知识,希望对你有一定的参考价值。
keras构建前馈神经网络(feedforward neural network)进行回归模型构建和学习
我们不必在“回归”一词上费太多脑筋。英国著名统计学家弗朗西斯·高尔顿(Francis Galton,1822—1911)是最先应用统计方法研究两个变量之间关系问题的人。“回归”一词就是由他引入的。他对父母身高与儿女身高之间的关系很感兴趣,并致力于此方面的研究。高尔顿发现,虽然有一个趋势:父母高,儿女也高;父母矮,儿女也矮,但从平均意义上说,给定父母的身高,儿女的身高却趋同于或者说回归于总人口的平均身高。换句话说,尽管父母双亲都异常高或异常矮,儿女身高并非也普遍地异常高或异常矮,而是具有回归于人口总平均高的趋势。更直观地解释,父辈高的群体,儿辈的平均身高低于父辈的身高;父辈矮的群体,儿辈的平均身高高于其父辈的身高。用高尔顿的话说,儿辈身高的“回归”到中等身高。这就是回归一词的最初由来。
使用回归分析的益处良多,具体如下:
1) 指示自变量和因变量之间的显著关系;
2) 指示多个自变量对一个因变量的影响强度。
回归模型中常用的评估指标可以分如下几类:
- MAE系列,即由Mean Absolute Error衍生得到的指标;
- MSE系列,即由Mean Squared Error衍生得到的指标;
- R²系列;
注:在英语中,error和deviation的含义是一样的,所以Mean Absolute Error也可以叫做Mean Absolute Deviation(MAD),其他指标同理可得;
以上是关于keras构建前馈神经网络(feedforward neural network)进行回归模型构建和学习的主要内容,如果未能解决你的问题,请参考以下文章
keras构建前馈神经网络(feedforward neural network)进行分类模型构建并加入L2正则化
keras构建前馈神经网络(feedforward neural network)进行分类模型构建基于早停法(Early stopping)