sklearn风格的keras接口KerasClassifier、KerasRegressor

from tensorflow.keras.wrappers.scikit_learn import KerasRegressor, KerasClassifier

keras有这样一个sklearn风格的接口，可以满足sklearn风格的写法。
这里仅给出回归示例：
分类用法仅需修改为KerasClassifier，并根据需要修改为metrics=[‘acc’,‘mae’,‘mse’]等即可

def build_regresor_model(lr):
    """
    构建网络，并编译
    """
    model = Sequential()
    model.add(Dense(units=128, activation='tanh'))
    model.add(Dense(units=128, activation='tanh'))
    # 最后一层只有一个单元，没有激活
    model.add(Dense(units=1))
    model.compile(optimizer=optimizers.Adam(lr=lr),
                  loss='mse',
                  metrics=['mae', 'mse'],
                  )

    return model

regressor = KerasRegressor(build_fn=build_regresor_model, lr=0.001, batch_size=100, nb_epoch=20)
regressor.fit(x=train_X, y=train_Y)         # 训练
pred_val_Y = regressor.predict(val_X)   	# 在验证集上预测

• build_regresor_model作为自定义函数的指针传入，
• lr是自定义函数的传参，
• batch_size是keras模型训练时的参数，批处理大小，
• nb_epoch是keras模型训练时的参数，从 Keras 2.0 开始，nb_epoch参数已重命名为epochs，但是这个接口似乎被忽略了，还是nb_epoch，这点需要注意。

参考：
《What does nb_epoch in neural network stands for?》
《Value error during grid search - epochs is not a legal parameter》