keras写一个2分类的代码,包括数据集,测试和验证
时间: 2023-05-17 07:06:36 浏览: 53
好的,以下是一个使用 Keras 实现的 2 分类代码的示例:
```python
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
# 创建数据集
X_train = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y_train = np.array([0, 1, 1, 0])
# 创建模型
model = Sequential()
model.add(Dense(units=4, input_dim=2, activation='relu'))
model.add(Dense(units=1, activation='sigmoid'))
# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# 训练模型
model.fit(X_train, y_train, epochs=100, batch_size=1, verbose=0)
# 测试模型
X_test = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y_test = np.array([0, 1, 1, 0])
loss, accuracy = model.evaluate(X_test, y_test, verbose=0)
print('Accuracy: %.2f' % (accuracy*100))
```
这个代码使用了一个简单的神经网络模型,包括一个输入层、一个隐藏层和一个输出层。输入层有 2 个神经元,隐藏层有 4 个神经元,输出层有 1 个神经元。模型使用了 relu 和 sigmoid 激活函数,并使用了二元交叉熵作为损失函数,Adam 作为优化器。在训练过程中,使用了 100 个 epoch 和批量大小为 1。最后,使用测试集评估了模型的准确率。