TensorFlow2.0程序实现鸢尾花数据集分类

最新推荐文章于 2023-02-18 13:41:46 发布

野返

最新推荐文章于 2023-02-18 13:41:46 发布

阅读量1.6k

点赞数

本文链接：https://blog.csdn.net/Don_11/article/details/106046768

版权

该博客介绍了如何使用TensorFlow2.0进行鸢尾花数据集的分类。首先，通过sklearn导入数据并进行数据集的读入、乱序、分割。然后，构建神经网络模型，并定义训练参数。接着，通过嵌套循环迭代优化参数，同时显示损失(loss)。最后，计算并展示准确率(acc)，以及可视化损失和准确率变化曲线。

摘要由CSDN通过智能技术生成

先回顾鸢尾花数据集，其提供了150组鸢尾花数据，每组包括鸢尾花的花萼长、花萼宽、花瓣长、花瓣宽 4个输入特征，同时还给出了这一组特征对应的鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类，分别用数字0、1、2表示。使用此数据集代码如下：

from sklearn.datasets import load_iris
x_data = datasets.load_iris().data # 返回iris数据集所有输入特征
y_data = datasets.load_iris().target # 返回iris数据集所有标签

即从sklearn包中导出数据集，将输入特征赋值给x_data变量，将对应标签赋值给y_data变量。

我们用神经网络实现鸢尾花分类仅需要三步：

(1)准备数据，包括数据集读入、数据集乱序，把训练集和测试集中的数据配成输入特征和标签对，生成train和test即永不相见的训练集和测试集；

(2)搭建网络，定义神经网络中的所有可训练参数；

(3)优化这些可训练的参数，利用嵌套循环在with结构中求得损失函数loss对每个可训练参数的偏导数，更改这些可训练参数，为了查看效果，程序中可以加入每遍历一次数据集显示当前准确率，还可以画出准确率acc和损失函数loss的变化曲线图。以上部分的完整代码与解析如下：

from sklearn.datasets import datasets
x_data = datasets.load_iris().data # 返回iris数据集所有输入特征
y_data = datasets.load_iris().target # 返回iris数据集所有标签

np.random.seed(116) # 使用相同的seed，使输入特征/标签一一对应
np.random.shuffle(x_data)
np.random.seed(116)
np

关注