python实现神经网络多分类_神经网络(NN)实现多分类-----Keras实现

搭建DNN

接下来，笔者将展示如何利用Keras来搭建一个简单的深度神经网络(DNN)来解决这个多分类问题。我们要搭建的DNN的结构如下图所示：

DNN模型的结构示意图

我们搭建的DNN由输入层、隐藏层、输出层和softmax函数组成，其中输入层由4个神经元组成，对应IRIS数据集中的4个特征，作为输入向量，隐藏层有两层，每层分别有5和6个神经元，之后就是输出层，由3个神经元组成，对应IRIS数据集的目标变量的类别个数，最后，就是一个softmax函数，用于解决多分类问题而创建。

对应以上的DNN结构，用Keras来搭建的话，其Python代码如下：

importkeras as K#2. 定义模型

init = K.initializers.glorot_uniform(seed=1)

simple_adam=K.optimizers.Adam()

model=K.models.Sequential()

model.add(K.layers.Dense(units=5, input_dim=4, kernel_initializer=init, activation='relu'))

model.add(K.layers.Dense(units=6, kernel_initializer=init, activation='relu'))

model.add(K.layers.Dense(units=3, kernel_initializer=init, a