Python(Classification)

这篇博客介绍了如何利用Keras库构建神经网络进行分类任务。首先导入所需库,然后加载鸢尾花数据集并预处理。接着,定义了一个包含两个隐藏层的Sequential模型,激活函数分别为ReLU和softmax。通过SGD和RMSprop优化器训练模型,并评估了在训练集和测试集上的准确性。
摘要由CSDN通过智能技术生成

Keras搭建NN(classification)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import preprocessing
from keras.models import Sequential,Model
from sklearn.model_selection import train_test_split
from keras.layers import Dense,Activation
from keras.optimizers import SGD,RMSprop
from sklearn.metrics import accuracy_score
'''
Dense():设置全连接
Activation():设置激活函数
'''
import warnings
warnings.filterwarnings('ignore')

dataset = datasets.load_iris()
x,y = dataset.data,dataset.target

nx = preprocessing.StandardScaler().fit_transform(x)
x_train,x_test,y_train,y_test = train_test_split(nx,y,test_size=0.2,random_state=1)
Y_train = (np.arange(3) == y_train[:,None]

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