机器学习16：使用 TensorFlow 进行神经网络编程练习

最新推荐文章于 2024-08-14 08:15:12 发布

Jin_Kwok

最新推荐文章于 2024-08-14 08:15:12 发布

阅读量661

点赞数

分类专栏：深入浅出解读机器学习文章标签：机器学习 tensorflow 神经网络

本文链接：https://blog.csdn.net/Jin_Kwok/article/details/131522512

版权

深入浅出解读机器学习专栏收录该内容

34 篇文章 21 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用 TensorFlow 构建和训练神经网络模型，通过对比线性回归模型，探讨了不同深度和节点数对模型性能的影响。在加州房价数据集上，深度神经网络模型展现出优于线性回归模型的预测能力。

摘要由CSDN通过智能技术生成

在【机器学习15】中，笔者介绍了神经网络的基本原理。在本篇中，我们使用 TensorFlow 来训练、验证神经网络模型，并探索不同 “层数+节点数” 对模型预测效果的影响，以便读者对神经网络模型有一个更加直观的认识。

1.导入依赖模块

相较于前面的系列文章，需要新增一个模块 seaborn。可以通过 PyCharm 的图形化工具安装，也可以通过命令“pip3 install --index-url https://mirrors.aliyun.com/pypi/simple/ seaborn” 直接安装。

import numpy as np
import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
import seaborn as sns

# The following lines adjust the granularity of reporting.
pd.options.display.max_rows = 10
pd.options.display.float_format = "{:.1f}".format