【学习笔记】 神经网络简介

这篇学习笔记探讨了神经网络模型的参数调整,包括第一层和第二层权重、学习率、优化器、批量大小和正则化率。通过固定随机数种子,确保结果变化源于参数而非初始化权重。文中提到将特征合并到一个列表并通过concat操作,简化了处理大量特征的过程,并鼓励读者尝试添加隐藏层以优化模型。
摘要由CSDN通过智能技术生成

之前我们其实已经写过了,这次既然原文单独列了一章,我们也来再写一次好了。原文希望我们把RMSE压到110以下,我这里验证集的RMSE 115左右,因随机数种子最低降到过112左右,在设定好种子的情况下seed(1) 验证集的rmse在116左右。

上次我们用xs1,xs2,xs3...来得到特征集的tensor,如若columns太多,操作起来很繁琐,这次我把tensor压到了一个列表里,然后通过concat来组合。

import tensorflow as tf
import numpy as np
import pandas as pd
from tensorflow.data import Dataset

df = pd.read_csv('california_housing_train.csv')
df['per_rooms'] = df['total_rooms'] / df['population']
df['median_house_value'] /= 1000
df = df.reindex(np.random.permutation(df.index))
df = df.sort_index()
tf.set_random_seed(1)

def train_validation(df):
    features = df[['longitude', 'latitude', 'housing_median_age',
                   'total_rooms', 'total_bedrooms', 'population', 'households',
         'median_income', 'per_rooms']]
    targe
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值