算法工程师修仙之路：Keras（十四）

最新推荐文章于 2023-05-03 11:43:53 发布

fangzhan1109

最新推荐文章于 2023-05-03 11:43:53 发布

阅读量332

点赞数 1

分类专栏：实战应用

本文链接：https://blog.csdn.net/faker1895/article/details/88707553

版权

实战同时被 2 个专栏收录

36 篇文章 1 订阅

订阅专栏

应用

36 篇文章 0 订阅

订阅专栏

深度学习基础

神经网络入门

预测房价：回归问题

分类问题的目标是预测输入数据点所对应的单一离散的标签。回归问题预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。

波士顿房价数据集

预测20世纪70年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。

用到的数据集包含的数据点相对较少，只有506个，分为404个训练样本和102个测试样本。输入数据的每个特征都有不同的取值范围。

# 加载波士顿房价数据
from keras.datasets import boston_housing
(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()

# 我们有404个训练样本和102个测试样本，每个样本都有13个数值特征。
>>> train_data.shape
(404, 13)
>>> test_data.shape
(102, 13)

# 目标是房屋价格的中位数，单位是千美元。
>>> train_targets
array([ 15.2, 42.3, 50. ... 19.4, 19.4, 29.1])

准备数据

将取值范围差异很大的数据输入到神经网络中，网络可能会自动适应这种取值范围不同的数据，但学习肯定变得更加困难。
对于这种数据，需要对每个特征做标准化，即对于输入数据的每个特征（输入数据矩阵中的列），减去特征平均值，再除以标准差，这样得到的特征平均值为0，标准差为1。
```
# 数据标准化
mean = train_data.mean(axis=0)
train_data -= mean
std = train_data.std(axis=0)
train_data /= std

test_data -= mean
test_data /= std
```
注意，用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中，你不能使用在测试数据上计算得到的任何结果，即使是像数据标准化这么简单的事情也不行。

构建网络

一般来说，训练数据越少，过拟合会越严重，而较小的网络可以降低过拟合。
由于样本数量很少，我们将使用一个非常小的网络，其中包含两个隐藏层，每层有64个单元。
```
# 模型定义
from keras import models
from keras import layers

# 因为需要将同一个模型多次实例化，所以用一个函数来构建模型
def build_model():
	model = models.Sequential()
	model.add(layers.Dense(64, activation='relu', nput_shape=(train_data.shape[1],)))
	model.add(layers.Dense(64, activation='relu'))
	model.add(layers.Dense(1))
	model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
	return model
```
- 网络的最后一层只有一个单元，没有激活，是一个线性层。这是标量回归（标量回归是预测单一连续值的回归）的典型设置。添加激活函数将会限制输出范围。例如，如果向最后一层添加 sigmoid 激活函数，网络只能学会预测0~1范围内的值。这里最后一层是纯线性的，所以网络可以学会预测任意范围内的值。
- 注意，编译网络用的是 mse 损失函数，即均方误差（MSE，mean squared error），预测值与目标值之差的平方。这是回归问题常用的损失函数。
- 在训练过程中还监控一个新指标：平均绝对误差（MAE，mean absolute error）。它是预测值与目标值之差的绝对值。比如，如果这个问题的 MAE 等于0.5，就表示你预测的房价与实际价格平均相差500美元。

利用 K 折验证来验证你的方法

为了在调节网络参数（比如训练的轮数）的同时对网络进行评估，你可以将数据划分为训练集和验证集，但由于数据点很少，验证集会非常小（比如大约100个样本）。因此，验证分数可能会有很大波动，这取决于你所选择的验证集和训练集。也就是说，验证集的划分方式可能会造成验证分数上有很大的方差，这样就无法对模型进行可靠的评估。
在这种情况下，最佳做法是使用 K 折交叉验证，这种方法将可用数据划分为 K个分区（ K 通常取4或5），实例化 K 个相同的模型，将每个模型在 K-1 个分区上训练，并在剩下的一个分区上进行评估。模型的验证分数等于 K 个验证分数的平均值。

3折交叉验证
在这里插入图片描述

# K 折验证
import numpy as np

k = 4
num_val_samples = len(train_data) // k
num_epochs = 100
all_scores = []

for i in range(k):
	print('processing fold #', i)
	val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]
	
	# 准备验证数据：第 k 个分区的数据
	val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]
	
	# 准备训练数据：其他所有分区的数据
	partial_train_data = np.concatenate([train_data[:i * num_val_samples], train_data[(i + 1) * num_val_samples:]], axis=0)
	partial_train_targets = np.concatenate([train_targets[:i * num_val_samples], train_targets[(i + 1) * num_val_samples:]], axis=0)
	
	# 构建 Keras 模型（已编译）
	model = build_model()
	
    # 训练模型（静默模式，verbose=0）
	model.fit(partial_train_data, partial_train_targets, epochs=num_epochs, batch_size=1, verbose=0)
	
	# 在验证数据上评估模型
	val_mse, val_mae = model.evaluate(val_data, val_targets, verbose=0)
	all_scores.append(val_mae)

# 设置 num_epochs = 100，运行结果如下：
>>> all_scores
[2.0956787838794217, 2.2205937970982919, 2.8599684120404838, 2.40535704039111]
>>> np.mean(all_scores)
2.39539950835

每次运行模型得到的验证分数有很大差异，从2.0到 2.9不等。
平均分数（2.4）是比单一分数更可靠的指标——这就是 K 折交叉验证的关键。
在这个例子中，预测的房价与实际价格平均相差2400美元，考虑到实际价格范围在10000~50000美元，这一差别还是很大的。

我们让训练时间更长一点，达到500个轮次。为了记录模型在每轮的表现，我们需要修改训练循环，以保存每轮的验证分数记录。

# 保存每折的验证结果
num_epochs = 500
all_mae_histories = []

for i in range(k):
	print('processing fold #', i)
	
	# 准备验证数据：第 k 个分区的数据
	val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]
	val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]
	
	# 准备训练数据：其他所有分区的数据
	partial_train_data = np.concatenate([train_data[:i * num_val_samples], train_data[(i + 1) * num_val_samples:]], axis=0)
	partial_train_targets = np.concatenate([train_targets[:i * num_val_samples], train_targets[(i + 1) * num_val_samples:]], axis=0)
	
	# 构建 Keras 模型（已编译）
	model = build_model()
	
	# 训练模型（静默模式，verbose=0）
	history = model.fit(partial_train_data, partial_train_targets, validation_data=(val_data, val_targets), epochs=num_epochs, batch_size=1, verbose=0)
	mae_history = history.history['val_mean_absolute_error']
	all_mae_histories.append(mae_history)

然后你可以计算每个轮次中所有折 MAE 的平均值。

# 计算所有轮次中的 K 折验证分数平均值
average_mae_history = [np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]

每轮的验证 MAE

# 绘制验证分数
import matplotlib.pyplot as plt
plt.plot(range(1, len(average_mae_history) + 1), average_mae_history)
plt.xlabel('Epochs')
plt.ylabel('Validation MAE')
plt.show()

在这里插入图片描述

因为纵轴的范围较大，且数据方差相对较大，所以难以看清这张图的规律。我们来重新绘制一张图。删除前10个数据点，因为它们的取值范围与曲线上的其他点不同。将每个数据点替换为前面数据点的指数移动平均值，以得到光滑的曲线。

每轮的验证 MAE（删除前10个数据点）

# 绘制验证分数（删除前10个数据点）
def smooth_curve(points, factor=0.9):
	smoothed_points = []
	for point in points:
		if smoothed_points:
			previous = smoothed_points[-1]
			smoothed_points.append(previous * factor + point * (1 - factor))
		else:
			smoothed_points.append(point)
	return smoothed_points
	
smooth_mae_history = smooth_curve(average_mae_history[10:])

plt.plot(range(1, len(smooth_mae_history) + 1), smooth_mae_history)
plt.xlabel('Epochs')
plt.ylabel('Validation MAE')
plt.show()

在这里插入图片描述

验证 MAE 在80轮后不再显著降低，之后就开始过拟合。

完成模型调参之后（除了轮数，还可以调节隐藏层大小），你可以使用最佳参数在所有训练数据上训练最终的生产模型，然后观察模型在测试集上的性能。

# 训练最终模型

# 一个全新的编译好的模型
model = build_model()

# 在所有训练数据上训练模型
model.fit(train_data, train_targets, epochs=80, batch_size=16, verbose=0)
test_mse_score, test_mae_score = model.evaluate(test_data, test_targets)

小结

回归问题使用的损失函数与分类问题不同，回归常用的损失函数是均方误差（MSE）。
回归问题使用的评估指标也与分类问题不同，常见的回归指标是平均绝对误差（MAE）。
如果输入数据的特征具有不同的取值范围，应该先进行预处理，对每个特征单独进行缩放。
如果可用的数据很少，使用 K 折验证可以可靠地评估模型。
如果可用的训练数据很少，最好使用隐藏层较少（通常只有一到两个）的小型网络，以避免严重的过拟合。

fangzhan1109

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
算法工程师修仙之路：Keras（十四）

深度学习基础神经网络入门预测房价：回归问题分类问题的目标是预测输入数据点所对应的单一离散的标签。回归问题预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。波士顿房价数据集预测20世纪70年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。用到的数据集包含的数据点相对较少，...
复制链接

扫一扫