利用rstudio做深度学习回归模型的案例

先说说我写本文的目的：

我之前买了一本《python深度学习》的书（见下图），这本书是基于keras和tensorflow做深度学习的，我的建议是，小白不要买这本书，避免看不懂。

这本书对深度学习的小白很不友好，如果你直接复制代码就想上手跑的话，代码是跑不通的，会报一堆的错误。也就是说，这本书不是给小白看的。给小白看至少代码复制粘贴就能跑，不是吗？

另外我还买了《R语言深度学习》这本书（见下面的购买截图），我发现《python深度学习》这本书（见上图）和《R语言深度学习》这本书（见下面）两者的重复率高达90%，作者或者出版社就是将python的代码换成R代码就编成两本书了（国外的出版社很聪明呀），这个作者够聪明的（LA-JI）的，这样都能写成两本书来卖？要不是我这两本书都买了，我也不会发现这个现象。反正这个作者和这个出版社给我的印象就是：太聪明了，大家碰见这个出版社和这个作者，要小心一点。小白看不懂

我发现《python深度学习》这本书和《R语言深度学习》这本书，关于回归模型的深度学习，也就是第3章关于预测波士顿房价的那些代码，你直接复制粘贴，很有可能报错，另外书里面讲得不明不白，看得云里雾里。所以我用网上找到的其他材料自学了一遍回归模型的深度学习过程，如果你需要这方面的知识，可以看本文我的讲解，保证代码能跑。

第1步，加载波士顿房屋价格的数据

命令如下所示，为什么要加载这个数据，因为已经有现成的数据了，你也可以自己编写一个广州的房价数据加载进去。

data("BostonHousing")

如果报下面的错误，代表你没有安装mlbench包：

用下面的命令安装mlbench包，就不会报上面的没有BostonHousing这个数据集的错误了：

install.packages("mlbench")

第2步、将BostonHousing这个数据集命名为data：

data <- BostonHousing

可以用data回车来查看波士顿房价的数据，一共14列，506行：

关于这14列的数据，网上有详细的介绍，我这里简单介绍一下14列数据的表示的意思（最后一列medv就是房屋的价格中位数，必须清楚第14列是房屋价格的意思，不然无法理解下面的代码）：

CRIM——按城镇划分的人均犯罪率

ZN——划分为25000平方英尺以上地块的住宅用地比例。

INDUS——每个城镇非零售商业英亩数的比例。

CHAS-Charles River伪变量（如果域边界为河流，则为1；否则为0）

NOX-氮氧化物浓度（百万分之一）

RM——每个住宅的平均房间数

年龄-1940年之前建造的自住单元的比例

DIS-到波士顿五个就业中心的加权距离

RAD——辐射状公路可达性指数

TAX-每10000美元的全额财产税税率

PTRATIO-按城镇划分的师生比例

B-1000（Bk-0.63）^2其中Bk是按城镇划分的黑人比例

LSTAT——人口地位降低%

MEDV-自住房屋的中值，单位为1000美元

第3步、将data转化成matrix数据：

data <- as.matrix(data)

第4步、设置取样的数据

首先设置一个种子， 例如我设置了一个9999的种子，如果不设置种子的话，就无法重复。如果我设置了9999的种子，下次我想要重复的时候，就用9999来重新调取即可。你也可以设置成一个8888的种子：

set.seed(9999)

从data里面抽取样品ind（你也可以设置成abc，不一定要设置成ind），下面设置成从 1，2 中有放回（ replace = T）抽取样品，概率分别为（0.8，0.2），也就是抽取506行数据的80%作为训练样品，506行数据的20%作为测试样品。

ind <- sample(2, nrow(data), replace = T, prob = c(.8, .2))

将1到13列数据的80%作为训练样品，命名为training：

training <- data[ind==1,1:13]

将1到13列数据的20%作为测试样品，命名为test：

test <- data[ind==2, 1:13]

将第14列数据的80%作为训练目标数据，命名为trainingtarget：

trainingtarget <- data[ind==1, 14]

将第14列数据的20%作为测试目标数据，命名为testtarget：

testtarget <- data[ind==2, 14]

在rstudio里面，将上面所述的6条代码依次敲入并回车即可：

第5步、数据标准化处理

m <- colMeans(training)

s <- apply(training, 2, sd)

training <- scale(training, center = m, scale = s)

test <- scale(test, center = m, scale = s)

第6步、建立模型

代码为：

model <- keras_model_sequential() %>%

layer_dense(units = 10, activation = 'relu', input_shape = c(13)) %>%

layer_dense(units = 1)

上面代码的意思是：利用 keras_model_sequential() 定义了模型model，并设置了 1 个隐藏层和 1 个输出层，其中的激活函数是 relu。

用summary函数来查看这个model：

第7步、模型编译

用下面的代码来编译，其中mse是损失函数，mse的意思是Mean Square Error，即预测值和目标值差异的平方；rmsprop是优化器，rmsprop是Root Mean Squared Propagation的意思；mae是监控度量，mae是Mean Absolute Error的意思：

model %>% compile(loss = 'mse',

optimizer = 'rmsprop',

metrics = 'mae'

)

第8步、模型拟合

代码如下：

mymodel <- model %>%

fit(training,

trainingtarget,

epochs = 200,

batch_size = 32,

validation_split = 0.2)

其中，上面代码的 epochs = 200,batch_size = 32,validation_split = 0.2这几个参数可以自行设置。

上面的代码回车后，就开始跑了：

运行结束会显示下面的图：

上图的 loss 是“损失函数“的意思，val_loss 是“验证集下的损失函数“的意思。（上面代码我设置的验证集划分比例为 0.2）。mae 是“平均绝对误差“的意思，而 val_mae 是“验证集下的平均绝对误差“。从上图可以看出，训练80轮之后，mae 与 loss 就基本上趋于稳定。

第9步、用evaluate函数来评估模型

代码为：

model %>% evaluate(test, testtarget)

这时候显示loss值为21.3,mae值为3.65，loss值也就是均方误差（Mean Square Error，MSE）值为21.3,而mae值也就是平均绝对误差（Mean Absolute Error，MAE）值为3.65：

也可以用下面的代码来计算均方误差：

mean((testtarget-pred)^2)

用下面的代码来算预测值：

pred <- predict(model,test)

第10步、预测值和真实值之间的比较

先要加载3个包：

library(ggplot2)

library(viridis)

library(ggsci)

用下面的代码来显示预测值和真实值：

ev_data = data.frame("Item" = seq(1,length(pred)),

"Value" = c(testtarget,pred),

"Class" = rep(c("True","Pred"),each = length(pred)))

ggplot(ev_data) +

geom_line(aes(Item,Value,col = Class,lty = Class)) +

scale_color_aaas() +

theme_bw() +

theme(panel.grid = element_blank())

上面的代码最后是ggplot画出的预测值和真实值之间的比较：

第一种方法小结

library(keras) #加载keras包 # 用runif函数随机生成自变量x和应变量y： x <- matrix(runif(100), nrow = 10, ncol = 10) y <- runif(10) # 生成模型 model <- keras_model_sequential() %>% layer_dense(units = 5, activation = "relu", input_shape = c(10)) %>% layer_dense(units = 1) # 编译模型，用的损失函数是mse，优化器是optimizer_sqd: model %>% compile(loss = "mean_squared_error", optimizer = optimizer_sgd(lr = 0.01)) # 训练模型 model %>% fit(x, y, epochs = 100, batch_size = 1) # 保存模型 save_model_hdf5(model, "模型名字")

第2种方法介绍

下面按照《R语言深度学习》这本书上介绍的方法来说明。

将波士顿房价数据命名为dataset：

dataset <- dataset_boston_housing()

用dataset来查看，发现这个dataset里面有train$x, train$y, test$x, test$y共4个数据集，其中train$x是404行13列的数据，train$y是404行1列，test$x是102行13列，test$y是102行1列的数据。

将train$x, train$y, test$x, test$y这4个数据集分别命名为train_data, train_targets, test_data, test_targets：

c(c(train_data, train_targets), c(test_data, test_targets)) %<-% dataset

用str函数查看这4个数据集的情况：

str(train_data)

str证明，这些数据确实是我说的404行13列等格式：

用下面的命令对数据进行标准化处理：

mean <- apply(train_data, 2, mean)

std <- apply(train_data, 2, sd)

train_data <- scale(train_data, center = mean, scale = std)

test_data <- scale(test_data, center = mean, scale = std)

建立模型：

model <- keras_model_sequential() %>%

layer_dense(units = 64, activation = "relu",

input_shape = dim(train_data)[[2]]) %>%

layer_dense(units = 64, activation = "relu") %>%

layer_dense(units = 1)

编译模型：

model %>% compile(

optimizer = "rmsprop",

loss = "mse",

metrics = c("mae")

)

创建一个叫做build_model的函数：

build_model <- function() {

model <- keras_model_sequential() %>%

layer_dense(units = 64, activation = "relu",

input_shape = dim(train_data)[[2]]) %>%

layer_dense(units = 64, activation = "relu") %>%

layer_dense(units = 1)

model %>% compile(

optimizer = "rmsprop",

loss = "mse",

metrics = c("mae")

)

}

用k=4来跑代码：

k <- 4

indices <- sample(1:nrow(train_data))

folds <- cut(indices, breaks = k, labels = FALSE)

num_epochs <- 100

all_scores <- c()

for (i in 1:k) {

cat("processing fold #", i, "n")

val_indices <- which(folds == i, arr.ind = TRUE)

val_data <- train_data[val_indices,]

val_targets <- train_targets[val_indices]

partial_train_data <- train_data[-val_indices,]

partial_train_targets <- train_targets[-val_indices]

model <- build_model()

model %>% fit(partial_train_data, partial_train_targets,

epochs = num_epochs, batch_size = 1, verbose = 0)

results <- model %>% evaluate(val_data, val_targets, verbose = 0)

all_scores <- c(all_scores, results$mean_absolute_error)

}

如果执行上面的代码报错，报错信息是：Error in results$mean_absolute_error : $ operator is invalid for atomic vectors，可以用下面的代码来单独跑：

model %>% fit(train_data, train_targets,

epochs = 200, batch_size = 1, verbose = 0)

可以将这个拟合的模型命名为my，然后用my来看这个模型的情况：

全文完，谢谢观看。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～