人工神经网络实现鸢尾花分类

最新推荐文章于 2024-06-14 18:52:26 发布

百变珍珑兽

最新推荐文章于 2024-06-14 18:52:26 发布

阅读量3k

点赞数

分类专栏：人工智能文章标签：分类 tensorflow 深度学习

本文链接：https://blog.csdn.net/qq_43701213/article/details/120978397

版权

本文介绍了使用神经网络对鸢尾花进行分类的方法，采用单层前馈神经网络，激活函数为softmax，损失函数为交叉熵。通过TensorFlow实现自动求导，训练模型并用训练集和测试集评估性能。文章详细探讨了数据集特征及分类过程。

摘要由CSDN通过智能技术生成

鸢尾花的类别包括：Setosa Iris(狗尾鸢尾),Versicolor Iris(杂色鸢尾),Virginica(弗吉尼亚鸢尾)。我们可以根据花萼长，花萼宽，花瓣长，花瓣宽这四个特征值对鸢尾花进行分类。

神经网络设计

神经网络结构：单层前馈型神经网络
激活函数：softmax函数
损失函数：交叉熵损失函数

Y=WX+B
共有四个特征值，结果分为三类

自动求导
with tf.GradientTape() as tape:
函数表达式
grad=tape.gradient(函数,自变量)

训练集： 训练模型
测试集： 评估模型性能

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 

TRAIN_URL="http://download.tensorflow.org/data/iris_training.csv"
train_path=tf.keras.utils.get_file(TRAIN_URL.split('/')[-1],TRAIN_URL)
TEST_URL="http://download.tensorflow.org/data/iris_test.csv"
test_path=tf.keras.utils.get_file(TEST_URL.split('/')[-1],TEST_URL)
#读取数据集文件
df_iris_train=pd.read_csv(train_path,header=0)
df_iris_test=pd.read_csv(test_path,header=0)
#转为数组
iris_train=np.array(df_iris_train)
iris_test=np.array(df_iris_test)
#将前四列存入X中，结果存入Y中
x_train=iris_train[:,0:4