搭建DNN做预测(接上篇:自编码实现深度神经网络)

本文是《自编码实现深度神经网络》的后续,主要介绍如何使用自己搭建的DNN进行预测。通过调用上篇的函数,定义预测函数并应用梯度下降优化参数,最终得到的模型在测试集上的准确率达到了0.9856,相比浅层神经网络的0.72,显示出DNN在防止过拟合方面的优势。
摘要由CSDN通过智能技术生成

利用自己搭建的DNN做简单预测。是上篇博文:《自编码实现深度神经网络》的后续部分。
调用上篇的函数如下:

def initialize_parameters_deep(layer_dims):
    ...
    return parameters 
def L_model_forward(X, parameters):
    ...
    return AL, caches
def compute_cost(AL, Y):
    ...
    return cost
def L_model_backward(AL, Y, caches):
    ...
    return grads
def update_parameters(parameters, grads, learning_rate):
    ...
    return parameters

定义一个预测函数,输出一个预测结果P

def 
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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