cnn做回归预测python代码

以下是一个使用CNN进行回归预测的Python代码示例：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Conv1D, MaxPooling1D, Flatten

# 创建一个具有1D卷积层的CNN模型
model = Sequential()
model.add(Conv1D(filters=32, kernel_size=3, activation='relu', input_shape=(10, 1)))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(1))

# 编译模型
model.compile(loss='mse', optimizer='adam')

# 准备数据
X = np.random.rand(100, 10, 1)
y = np.random.rand(100, 1)

# 训练模型
model.fit(X, y, epochs=10, batch_size=10)

# 使用模型进行预测
X_test = np.random.rand(1, 10, 1)
y_pred = model.predict(X_test)
print(y_pred)

在这个示例中，我们创建了一个具有一个卷积层的1D CNN模型。我们使用随机生成的数据进行训练，并使用模型进行预测。由于这是回归问题，我们使用均方误差作为损失函数，并使用Adam优化器进行优化。