机器学习速成课程MLCC（10）--训练神经网络（编程练习）

最新推荐文章于 2021-06-18 01:47:44 发布

风吹小裤衩123

最新推荐文章于 2021-06-18 01:47:44 发布

阅读量954

点赞数

分类专栏：人工智能算法 python 机器学习实战文章标签：神经网络 TensorFlow 人工智能

本文链接：https://blog.csdn.net/dh_nwu/article/details/79478046

版权

这篇博客介绍了如何使用TensorFlow构建神经网络，包括设置、定义神经网络结构、训练模型以及评估。通过训练神经网络，目标是降低RMSE至110以下，避免过拟合，并在测试数据上验证模型性能。

摘要由CSDN通过智能技术生成

神经网络简介

这里使用到了python2.7、TensorFlow1.6以及IPython、numpy、pandas等一系列python的数据处理包。

pandas的快速入门教程在这里

学习目标：

使用 TensorFlow DNNRegressor 类定义神经网络 (NN) 及其隐藏层
训练神经网络学习数据集中的非线性规律，并实现比线性回归模型更好的效果

在之前的练习中，我们使用合成特征来帮助模型学习非线性规律。

一组重要的非线性关系是纬度和经度的关系，但也可能存在其他非线性关系。

现在我们从之前练习中的逻辑回归任务回到标准的（线性）回归任务。也就是说，我们将直接预测 median_house_value。

设置

首先加载和准备数据。

import math

from IPython import display
from matplotlib import cm
from matplotlib import gridspec
from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
from sklearn import metrics
import tensorflow as tf
from tensorflow.python.data import Dataset

tf.logging.set_verbosity(tf.logging.ERROR)
pd.options.display.max_rows = 10
pd.options.display.float_format = '{:.1f}'.format

california_housing_dataframe = pd.read_csv("https://storage.googleapis.com/mledu-datasets/c