1,pandas.get_dummies (独热编码),将英文的数据编码为数据格式
2,对于目标识别的数据打上标签
3,在特征数据中曲调标签
4,数据进行标准化,用sklearn的preprocession模块,收敛的速度更快,收敛的损失值更小
5,怎么基于损失值,计算我们的参数呢,需要反向传播一下,同时用优化器更新一下参数
如何设计一个神经网络模型?
a.如果初始的特征数据维度:[348, 14]
b.把当前输入转换为隐藏特征,用多少个神经元来表示呢,假设用128个神经元,那么我们隐藏层的权重矩阵w1应该是[14,128]的矩阵,把我们14个输入特征转换为128个隐藏特征
c.偏执参数b1,和结果挂钩,需要对128个结果进行进行偏执,得到128个结果
d.回归人物要得到一个值w2,的矩阵维度[128,1]
e.b2也是根据结果进行调整,那么应该是1,
具体例子,参考我的温度预测模型的开发中的实例代码
f.需要注意的是:
hidden = x.mm(weights)+biase #mm是矩阵乘法
nn.functional 功能用于不带参数的一些函数功能,例如损失函数,激活函数
nn.moduel 用于带参数的函数功能,例如权重和偏置
实际案例:
我们现在需要根据气温训练集中,除了actual作为标签的这一列以外的数据进行训练,得出NN预测模型的所有参数。可以看到训练集的数据中,week这一列包含字符串而不是如
pytorch深度学习中包括哪些数据预处理,如何设计神经网络模型,一看就懂系列
最新推荐文章于 2024-05-31 16:14:40 发布