28、Keras实现多层感知机：从基础到高级应用

Keras实现多层感知机：从基础到高级应用

1. 分类MLP的预测

在进行图像分类时，模型会为每个类别估算出一个概率。例如，对于第一张图像，模型估算出类别9（踝靴）的概率为96%，类别5（凉鞋）的概率为3%，类别7（运动鞋）的概率为1%，其他类别的概率可忽略不计。这意味着模型认为第一张图像是鞋类，最有可能是踝靴，也可能是凉鞋或运动鞋。

如果只关心估算概率最高的类别，可以使用 predict_classes() 方法：

y_pred = model.predict_classes(X_new)
print(y_pred)
print(np.array(class_names)[y_pred])

在这个例子中，分类器正确地对三张图像进行了分类。

2. 使用Sequential API构建回归MLP

接下来，我们转向加州住房问题，使用回归神经网络来解决它。具体步骤如下：
1. 数据加载与预处理

from sklearn.datasets import fetch_california_housing
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

housing = fetch_california_housing()
X_trai