神经网络拟合曲线python

在Python中，可以使用神经网络来拟合曲线。以下是一个简单的示例代码，展示如何使用Keras库来实现：

import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense

# 创建一个带有隐藏层的神经网络模型
model = Sequential()
model.add(Dense(10, input_dim=1, activation='relu'))
model.add(Dense(1, activation='linear'))

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

# 定义训练数据
X = np.linspace(-1, 1, 100)
Y = 2 * X + np.random.randn(*X.shape) * 0.33

# 训练模型
model.fit(X, Y, epochs=100, verbose=0)

# 绘制拟合曲线
X_test = np.linspace(-1, 1, 100)
Y_pred = model.predict(X_test)
plt.scatter(X, Y)
plt.plot(X_test, Y_pred, 'r')
plt.show()

在这个示例中，我们使用一个具有一个隐藏层的神经网络来拟合一条直线。训练数据包含了一些噪音。通过调整隐藏层的大小、激活函数等参数，可以尝试不同的拟合效果。

这只是一个简单的示例，实际上神经网络可以拟合更复杂的曲线。你可以根据具体的需求和数据特点，调整模型的结构和超参数以获得更好的拟合效果。