1.神经网络实现鸢尾花分类（单层全连接——学习使用）

最新推荐文章于 2024-04-19 17:48:27 发布

CourageLee

最新推荐文章于 2024-04-19 17:48:27 发布

阅读量1.5k

点赞数 2

分类专栏： tensorflow 文章标签： tensorflow 深度学习神经网络

本文链接：https://blog.csdn.net/qq_35779738/article/details/110008020

版权

本文详细介绍了如何运用TensorFlow构建一个简单的单层全连接神经网络来实现鸢尾花数据集的分类。通过实例，读者将学习到深度学习的基本概念和神经网络的构建过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 神经网络实现鸢尾花分类

import  tensorflow as tf
import numpy as np

#  读取数据集
from sklearn.datasets import load_iris

iris = load_iris()
x_data = iris['data']
y_data = iris['target']

# 使数据集乱序
np.random.seed(116)
np.random.shuffle(x_data)   # 打乱数据

np.random.seed(116)
np.random.shuffle(y_data)   # 打乱数据

tf.random.set_seed(116)


# 将数据集划分成训练集和测试集
x_train  = x_data[:-30]
y_train = y_data[:-30]
assert len(x_train) == len(y_train)
x_test = x_data[-30:]
y_test = y_data[-30:]
assert  len(x_test)==len(y_test)

# 转换x的数据类型，否则后面矩阵相乘时会因数据类型不一致报错
x_train = tf.cast(x_train, tf.float32)
x_test = tf.